小红书
【REDstar】AI搜索广告算法工程师
【REDstar】AI搜索广告算法工程师
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Llm
Nlp
Post-Training
Rag
搜索广告
机器学习
算法
值不值得投
79综合评分
综合评分 79
前沿AI技术商业化落地岗，技术成长空间极大，薪资有竞争力，但工作节奏可能较快。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
50K
比算法优化工程师中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1310 个在招 · 其中算法优化工程师 4 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 140 个在招
职位详情
关于这个职位
该职位是小红书AI搜索广告算法工程师，负责探索AI搜索时代全新的广告形态
你需要构建RAG/ReAct搜索广告系统，利用SFT、RLVR等技术实现商业内容与AI答案的融合生成
同时，设计智能营销Agent，帮助广告主挖掘蓝海流量并生成符合社区调性的营销素材，推动平台营销模式的升级
最低要求
本科及以上学历，人工智能、计算机、软件工程、电子信息、自动化、数学等相关专业
熟悉 NLP 和机器学习前沿技术，对 LLM、RAG、Agent 等算法与系统有深入理解
具备搜索、广告或内容理解业务经验者优先
具备独立研究和创新能力
以第一作者在 ICLR、NeurIPS、ICML、KDD、ACL、EMNLP、CVPR、ICCV、ECCV 等会议发表论文，或在 KDD Cup、Kaggle、ACM-ICPC 等竞赛中取得优秀成绩者优先
编程基础扎实，熟悉常用数据结构与算法，熟练使用 Python、C++、Java 中的至少一种编程语言
自驱、踏实，对新技术保持好奇，敢于挑战开放性难题，能够提出解决方案并快速验证，具备良好的沟通与团队协作能力
工作职责
探索 AI 搜索时代的全新广告形态，构建 RAG/ReAct 搜索广告系统，利用 SFT、RLVR 等 post-training 技术，实现商业内容与 AI 答案的一体化生成与自然呈现
构建智能营销 Agent，帮助广告主挖掘“蓝海转化前置流量”，实时生成符合小红书社区调性的优质素材，推动平台与广告主的关系从“卖流量”升级为“共同做好营销”
优先资格
具备搜索、广告或内容理解业务经验者优先
以第一作者在顶级会议发表论文或在知名竞赛中取得优秀成绩者优先
AI 洞察
优缺点分析
优点
- 项目直接面向商业化，成果对业务影响显著，能获得强烈的成就感和可见的价值回报
- 小红书作为内容社区平台，拥有独特的数据和场景，为算法创新提供了优质土壤
- 招聘信息为REDstar岗位，通常代表公司的核心或精英人才计划，能获得较好的资源和成长空间
- 技术实现复杂度高，需平衡算法效果、用户体验与商业目标，对综合能力要求严苛
- 适合对AI技术有浓厚兴趣、具备扎实算法基础和工程能力，且希望在商业化场景中发挥技术影响力的高级算法工程师或研究人员
缺点 / 挑战
- 处于AI与广告结合的前沿领域，技术挑战性强，能接触LLM/RAG/Agent等最新技术栈
- 广告与AI结合的领域发展迅速，需要持续跟进前沿动态并快速迭代，学习压力大
- 作为核心岗位，可能面临较高的工作强度和项目交付压力
角色解读
- 技术专家路径：在AI算法与广告系统领域持续深耕，成为搜索广告或AI营销方向的技术权威
- 技术管理路径：带领小团队负责特定模块或项目，逐步成长为技术负责人
- 跨界发展：凭借对商业化与AI技术的深刻理解，可向产品架构师、技术型产品经理或业务负责人方向发展
- 利用RAG、ReAct等AI技术，设计与构建下一代搜索广告系统，让商业信息更自然地融入AI生成的答案中
- 研发智能营销Agent，通过算法自动为广告主挖掘潜在流量并生成高转化率的营销内容
- 深入理解广告投放与内容生态，推动小红书从流量售卖平台向智能营销合作伙伴转型
- 持续探索和引入SFT、RLVR等前沿技术，提升广告算法的效果和智能化水平
- 精通NLP、机器学习理论，对LLM、RAG、Agent等大模型应用技术有深入理解和实践能力
- 具备扎实的编程功底（Python/C++/Java）和算法数据结构知识
- 拥有搜索、广告或内容理解领域的实际项目经验，了解相关业务逻辑
- 具备优秀的独立研究、创新能力和快速验证解决方案的工程素养
申请策略
- 在简历和面试中，展现你对“如何让商业内容自然融入AI答案”这一核心命题的思考，而不仅仅是技术实现
- 了解小红书社区文化和用户群体特点，思考你的算法方案如何兼顾社区调性与广告效果
- 准备一个能体现你独立研究和快速验证能力的项目案例，最好能展示从问题定义到方案落地、再到效果评估的全过程
- 突出在NLP、推荐系统、广告算法或LLM应用方面的深度项目经历，尤其是涉及RAG、Agent、大模型微调的工作
- 列出与岗位相关的学术论文（特别是顶会一作）或权威竞赛（如KDD Cup）的获奖经历
- 强调使用Python/C++解决复杂技术问题的工程案例，以及快速学习与验证新想法的能力
- 如有内容理解、搜索广告或商业算法的相关经验，需重点阐述
- 系统复习和实践RAG、ReAct、SFT等大模型应用技术，最好有可展示的Demo或论文复现
面试指南
- 对于系统设计类问题（如问题1、2），采用“场景分析-目标定义-模块拆解-技术选型-效果评估”的框架，突出你对业务和技术的综合考量
- 对于项目经验类问题（如问题3），使用STAR法则（情境-任务-行动-结果），重点描述你的技术选型思路、克服的困难和可量化的成果
- 对于开放讨论类问题（如问题5），可以从准确性、实时性、成本、可控性等多个维度进行对比分析，展现你的批判性思维
- 如何设计一个基于RAG的搜索广告系统？请描述整体架构和关键技术点
- 如果让你构建一个智能营销Agent，你会如何定义其核心模块？如何评估Agent生成素材的质量？
- 请介绍一个你利用LLM解决实际业务问题（如内容理解、文案生成）的案例，并说明遇到了什么挑战以及如何解决的
- 如何平衡广告的CTR（点击率）、CVR（转化率）与用户在信息流中的体验？
- 你认为在搜索广告中应用LLM，与传统机器学习方法相比，最大的优势和难点是什么？
职位点评
薪资福利85
成长发展95
工作生活45
使命价值80
薪资福利
85较高
该职位为超大型互联网公司的核心技术岗位，薪资福利体系通常具有市场竞争力，能满足对较高薪酬回报和稳定发展的需求。
薪资信号偏高 (35K-65K/月)
成长发展
95较高
该职位直接涉及AI前沿技术（LLM、RAG、Agent）在核心商业场景的落地，技术挑战性高，能提供极佳的技术成长和职业发展空间。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、SFT、RLVR、NLP、机器学习
业务类型profit_center
工作生活
45较低
作为超大型企业的核心技术岗，工作模式和地点未在JD中明确说明，但通常需要现场办公。项目可能具有较高的技术难度和交付压力，生活化动机的满足程度可能有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
该岗位推动AI技术在内容社区的商业化创新，旨在提升广告体验与效率，具有一定的行业探索性和社会价值。
行业发展高速增长赛道
社会影响中性/一般
使命信号推动平台与广告主的关系从“卖流量”升级为“共同做好营销”
创新程度开拓性创新（行业首创）
Watch Jobs