消息提到，一个名为 SingProbe 的流式安全护栏基于 openai/gpt-oss-20b 构建，它不单独跑一个安全模型，而是复用基座模型生成过程中的隐藏状态，对每个 token 打分，评估查询意图、回复不安全性以及幻觉风险，并称解码时间开销低于 0.5%。训练代码在 inclusionAI/SingProbe 提供，集成方式包括 SGLang 与 vLLM 分支。这些信息本身不构成招聘需求，但能帮你看清这个方向的分工。

三类交付物，对应三种日常

看岗位描述时，先找它强调的产出物。

研发向：交付物是训练代码、探针结构、损失设计。日常围绕数据构造、隐藏状态提取、训练稳定性。简历里应把模型训练、微调、表征分析类经历放最前，写清你负责哪一层，而不是只写“参与安全项目”。 延伸阅读：算法工程师简历模板：从菜鸟到专家的完整指南

评测向：交付物是评测报告、指标定义、基准套件选择。这个探针要同时看意图、不安全性、幻觉三类信号，评测岗要回答的是：用什么数据、阈值怎么定、误报漏报如何权衡。简历重点是你设计过什么评测方案、如何定义通过标准。

集成向：交付物是集成方案与部署链路。素材提到通过 SGLang 与 vLLM 分支接入，这类岗位关心的是加载时机、吞吐影响、版本兼容。简历应突出服务化、推理框架、性能回归测试的经历。

同一个探针项目，三类人看的是完全不同的部分。判断错方向，简历再漂亮也对不上。

简历和面试的重点差在哪

研发向面试常被追问训练细节：隐藏状态从哪一层取、正负样本怎么构造、过拟合怎么发现。评测向更可能被问指标设计：三类信号冲突时怎么排序、基准套件为什么选它。集成向则围绕链路：接入后延迟变化如何测、回滚方案是什么。

假设一个模拟场景：岗位描述写“负责安全能力的效果验证与报告输出”，那它更接近评测向，你就不必把训练代码经历放在最前，而应突出你如何定义指标、如何解释一次误报。反过来，如果描述里反复出现“接入”“上线”“框架适配”，集成向的准备优先级更高。

素材没有说明该探针的实际招聘需求、团队规模，也没有给出各评测指标的具体数值与基准套件名称，更没有说明它在真实业务中的上线情况。所以别把“低开销”直接当成岗位门槛，它只是一个技术描述。

投递前怎么核实真实分工

岗位名称往往不可靠，“AI安全工程师”可能三种活都干。更稳的办法是看描述里的动词：写“训练”“优化”偏研发，写“评估”“验证”“报告”偏评测，写“接入”“部署”“兼容”偏集成。

面试时可以直接问：团队当前的主要交付物是代码、评测报告，还是集成方案？这个问题比问“平时做什么”更容易得到具体回答。

一个实际可做的小建议：挑三条你感兴趣的岗位描述，把里面的动词和产出物各抄一遍，看哪一类反复出现，再决定这周把时间花在补训练细节、读评测方法，还是跑一遍推理框架的接入流程。

本文为求职分析，不构成对任何岗位需求或录用结果的判断。