微信安全-内容理解算法工程师-电商入驻审核

多模态内容理解与违规识别：构建融合商品标题文本、主图/详情图、视频素材、商家资质文件等多模态信息的理解与审核算法，实现对违禁商品、资质不符、山寨侵权等风险的自动化精准识别；

业务大模型研发与训练：基于电商入驻审核场景的海量数据，将商品、店铺等垂类审核知识注入基础大模型，通过指令微调（SFT）、偏好对齐（RLHF/DPO）、CoT推理等技术，训练具备精准识别垂类违规能力的业务大模型，持续提升机审决策率与准确率；

人机协同提效：设计机审辅助人审的技术方案，通过置信度分层、违规线索高亮、审核理由自动生成、难例智能路由等机制，为人审团队提供结构化决策支持，全面提升人工审核效率与准确度；

审核系统基建优化：持续优化微信电商入驻审核系统的工程架构，提升审核链路的可用性、时效性与吞吐能力，保障审核服务在高并发场景下的稳定运行；

数据闭环与效果监控：建立模型评测基准与效果监控体系，构建"模型预测→badcase归因→数据标注→策略迭代→模型升级"的完整闭环，驱动审核能力的持续进化；

前沿技术探索：跟踪大模型（LLM/VLM）、多模态预训练模型、RAG、Agent等前沿技术进展，探索其在电商审核场景（如少样本违规检测、审核规则自动生成、知识图谱辅助决策等）中的创新应用。

计算机科学、人工智能、数学、统计学、信息安全等相关专业，本科及以上学历； 2.3年以上内容安全、内容审核相关工作经验，有商品审核场景经验者优先；

扎实的机器学习/深度学习基础，熟练掌握PyTorch/TensorFlow等主流框架，具备从数据处理到模型训练、评估、部署的全流程实战能力；

熟悉大模型（LLM/VLM）相关技术栈，有LoRA/P-Tuning微调、Prompt Engineering、RAG、Agent等实践经验者优先；

具备良好的数据敏感度和问题定位能力，能够通过数据分析驱动模型优化方向；

良好的团队协作和沟通能力，有较强的自驱力和责任心，能适应快节奏的工作环境。