大模型安全研究员（28届）

1 攻击面研究 ◦ 研究 LLM / 多模态模型 / Agent 在训练、微调、推理、部署全生命周期中的安全风险 ◦ 覆盖：Prompt Injection、Jailbreak、数据投毒、后门攻击、对抗样本、模型窃取/反演、成员推断、上下文污染、工具调用越权、RAG 污染等 2 安全评测与红队体系 ◦ 构建自动化安全评测 Benchmark、攻击语料库、红队测试框架 ◦ 对接 OWASP Top 10 for LLM Applications 3 防御与对齐机制 ◦ 研究并落地：输入/输出护栏、意图识别、安全对齐（SFT / RLHF / DPO / RLAIF）、拒答边界、内容安全过滤、Agent 权限隔离与调用审计 4 智能体（Agent）安全 ◦ 针对 ReAct / Function Calling / MCP / 多步工作流，建模工具滥用、记忆篡改、间接注入等新型威胁 5 前沿跟踪与成果转化 ◦ 跟踪 NeurIPS / ICLR / S&P / CCS / USENIX 等前沿进展 ◦ 输出论文、专利、技术报告、安全基线规范，推动能力产品化

• 计算机 / 人工智能 / 网络空间安全 / 软件工程相关 硕士及以上 技术能力 • 深入理解 Transformer / LLM 推理机制，熟悉 LoRA / QLoRA / RAG / Agent 框架（LangChain、CrewAI、LangGraph 等） • 熟练 Python；掌握 PyTorch / TensorFlow；有 C++ / Go / Rust 加分 • 熟悉常见攻防：越狱、注入、对抗样本、后门、差分隐私、联邦学习、TEE • 有 Benchmark 构建、自动化评测平台、红队工具开发经验 优先项（Strong Plus） • 顶会论文（NeurIPS / ICLR / ICML / ACL / S&P / CCS / USENIX 等）一作 • CVE / 大模型漏洞挖掘 / CTF（AI 安全赛道）获奖 • 多模态（VLM）、Agent 安全、AI for SOC / 漏洞挖掘方向经验