The posting
1、紧跟学术界与工业界在安全领域的最新动态(如 Agent Safety, Jailbreak, Prompt Injection, Adversarial Attacks 等),阅读并快速复现相关论文中的攻击与防御算法。 2、设计并构造针对大模型的多样化攻击提示词和对抗样本,对模型进行红队测试(Red Teaming),分析模型在恶意诱导下的脆弱性及失效模式。 3、参与大模型及智能体安全检测的系统构建与算法落地,实现从环境构建、自动化攻击到安全校验的全流程工程化闭环。
1、计算机、人工智能、网络安全、数学等相关专业在读硕士/博士,基础扎实的优秀本科生亦可。 2、精通 Python 编程,具备良好的代码风格;熟悉 PyTorch 或 TensorFlow 等主流深度学习框架,熟练使用 HuggingFace Transformers 库进行模型调用与推理。 3、理解 Transformer 架构、LLM 的训练与微调基本原理;对提示工程有一定实践经验。 4、对 AI 安全、对抗性机器学习(Adversarial ML)有浓厚兴趣;具备快速学习能力,能阅读英文顶会论文并转化为代码。 5、每周出勤3天以上,连续实习 3 个月以上(长期实习者优先)。
加分项: 1、熟悉常见的 LLM 攻击模式(如 GCG, AutoDAN, PAIR 等)或防御机制(如 PPO, DPO, Guardrails)。 2、在 AI 安全、NLP 等领域的顶级会议(NeurIPS, ICLR, ACL, CCS, USENIX Security 等)发表过论文。 3、在 GitHub 上有高质量的开源项目或相关工具库贡献。



