业务风控算法工程师

Job description

• 构建 AI业务风控能力 负责核心业务的反作弊、反欺诈与交易安全，综合规则、图算法、异常检测和大模型，对多源数据建模，识别团伙作弊与新型风险，持续优化资损、误伤和处置时效等核心指标；将风险识别、研判、处置、评估能力模块化，支撑跨场景快速复用。
• 探索 Agent 驱动的风控运营范式 构建“风险感知—证据分析—研判处置—效果复盘”Agent工作流，使Agent能够调用数据与策略工具、基于证据完成研判，并输出可追溯结论；在评测、审计、灰度和回滚机制保障下，逐步从人机协同走向受控自动化运营。
• 推动大模型深度融入风控决策 将LLM应用于作弊模式发现、异常归因、案例研判、策略建议等关键环节，结合知识检索、工具调用、结构化输出、案例记忆与反馈闭环，提升复杂风险的理解、推理和决策可靠性；建设离线评测与线上监控体系，持续优化效果、成本与时效。
• 前沿技术预研与能力沉淀 跟踪Agentic风控、主动风险狩猎和AI攻防对抗等方向，验证可落地方案；按业务复杂度探索单Agent或多Agent协作，沉淀可复用的技术组件、评测标准和风控方法论，支撑产品与运营解决实际风险问题。
• 扎实的机器学习/深度学习理论基础，在反作弊、异常检测、社区发现、知识图谱、NLP等至少一个领域有深入的研究和实践经验；
• 至少熟练使用Python、Java、C++中一种编程语言，熟练运用多种常用算法与数据结构； 熟悉主流大模型技术栈（如skill、memory、agent teams等），有大模型应用开发或微调经验者优先；
• 对AI Agent、工作流自动化有认知或实践经验，具备将复杂业务流程抽象为可自动化系统的设计思维；
• 熟悉各类常见作弊手段与业务风控策略，有互联网风控反作弊模型设计经验者优先； 具备优秀的逻辑思维能力和数据敏感度，对解决复杂对抗性问题充满热情。

定义下一代智能风控

• 不是在现有框架里做优化，而是参与从0到1构建AI-Native风控体系；
• 推动风控运营从"人驱动"走向"Agent驱动"，这是当前工程领域最有想象力的方向之一；
• 最复杂的业务场景，海量数据+高复杂度对抗博弈，与业务方深度协作，深入了解本地生活服务全链路；