小红书
【2027校招】商业化创意算法工程师（AIGC/Agent/视频/Data）
【2027校招】商业化创意算法工程师（AIGC/Agent/视频/Data）
发布于 21 分钟前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Aigc
Llm
商业化
大规模训练
强化学习
扩散模型
视频生成
值不值得投
74综合评分
综合评分 74
前沿AIGC技术商业化落地，技术成长性高，但工作生活平衡需进一步了解。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
33K
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1330 个在招 · 其中机器学习工程 16 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 420 个在招
职位详情
关于这个职位
该职位是小红书商业化团队的创意算法工程师，主要负责利用前沿的AIGC技术（如LLM、扩散模型、Agent）为广告业务赋能
工作核心是研发和迭代用于自动化生成广告文案、图像、视频创意的基座模型和智能体系统，并打通数据洞察，以提升广告创意的生产效率和投放效果
最低要求
本科及以上学历，计算机、人工智能等相关专业
AIGC 方向（LLM/MLLM、文生图/图像编辑、文生视频）有研发经验，有规模化业务落地经验者优先
熟悉以下至少一个方向并有深度实践：LLM 后训练与 Agent（SFT/RLHF、奖励建模、工具调用与多 Agent 编排）
视觉内容生成（扩散模型、潜在扩散、可控生成与视频编辑）
多模态理解与数据智能
工程能力扎实，熟练使用 Python（C/C++ 加分）及至少一种开源深度学习框架，有大规模训练或高并发推理服务经验者优先
具备数据驱动意识，能从业务效果指标反向定位模型与链路问题
对 LLM Agent、AIGC 创意生成与数据智能充满兴趣，自驱力强，沟通表达清晰，乐于在真实商业场景创造可衡量的业务价值
在 CVPR / ICCV / ECCV / NeurIPS / ICML / ICLR / AAAI / ACM MM / ACL / EMNLP / TPAMI 等顶会顶刊发表论文，或开源项目、学术竞赛成绩优异者优先
工作职责
创意生成基座模型方向： 负责商业化文案与图像生成模型的研发与迭代，包括后训练（SFT / 强化学习）、奖励建模与偏好对齐、评测体系建设，重点解决生成质量、指令遵循、多样性与合规可控等核心问题，并完成模型的推理优化与服务化落地
Creative Agent方向： 负责以 Agent 形态实现广告创意的自动化生产：从行业与商品理解出发，自动完成创意规划、素材生成与审核校验，形成从创作到投放的端到端链路，横向支撑自动投放、外投分发、行业素材供给等多类业务场景
视频创意生成方向：负责广告视频智能剪辑与生成算法研发，覆盖智能剪辑、镜头选取与叙事编排、智能包装（字幕/贴纸/转场/BGM）、图文转视频、视频理解与质量评估，以及面向剪辑的视频生成能力（图生视频、关键帧补齐、片段续写）
围绕存量素材二次剪辑提效与创意玩法创新，推动能力规模化落地
Data Agent方向：负责广告数据智能能力建设，围绕客户、行业、人群与素材理解，将数据洞察转化为可执行的投放与创意决策
并打通生成素材在投放链路中的效果反馈，驱动模型与策略迭代
优先资格
有规模化业务落地经验者优先
有大规模训练或高并发推理服务经验者优先
在顶会顶刊发表论文，或开源项目、学术竞赛成绩优异者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿：直接接触并落地LLM、AIGC、Agent等最热门的AI技术，技术积累价值高
- 业务影响力强：算法直接作用于商业化核心环节，能快速看到技术创造的业务价值
- 平台资源丰富：作为头部互联网公司，拥有充足的算力、数据资源和复杂的真实业务场景
- 工程落地需兼顾效果、性能与合规
- 业务场景复杂：需要平衡创意质量、多样性、安全性与商业目标，问题定义和解决更具综合性
- 成果量化难：创意生成的质量评估和业务归因可能比较复杂
- 对AIGC和商业化技术有浓厚兴趣，具备扎实算法与工程能力，追求在真实大规模业务场景中落地前沿技术、并实现可衡量商业价值的应届毕业生
缺点 / 挑战
- 技术挑战大：AIGC领域技术迭代快，需要持续学习
角色解读
- 技术专家路线：深耕AIGC、Agent或数据智能某一方向，成为该领域的技术权威
- 技术管理路线：带领小团队负责某条业务线的算法策略，从个人贡献者向团队负责人发展
- 业务融合路线：更深入地理解商业化逻辑，成为懂技术、懂业务的复合型专家或产品经理
- 研发和迭代用于广告文案、图像、视频生成的基座模型，并解决质量、合规等核心问题
- 设计并实现Agent系统，自动化完成从创意理解、规划到生成、审核的广告创意生产全流程
- 建设广告数据智能能力，将数据洞察转化为可执行的投放与创意决策，并利用效果数据驱动算法优化
- 掌握LLM（大语言模型）、扩散模型等AIGC核心算法，有后训练（SFT/RLHF）或视觉生成实践经验
- 具备扎实的编程和工程能力，熟练使用Python及深度学习框架，有处理大规模训练或高并发服务的经验
- 具备数据驱动和业务思维，能从广告效果数据中定位问题并驱动技术迭代
申请策略
- 仔细研究小红书的广告产品和内容生态，思考AIGC技术如何具体应用于其商业场景
- 在简历和面试中，强调你的自驱力和对在“真实商业场景”创造价值的热情
- 重点展示在LLM、扩散模型、Agent等AIGC相关方向的课程项目、科研经历或实习成果
- 突出工程实践能力，如使用PyTorch/TensorFlow进行模型训练/部署、处理大规模数据或高并发服务的经验
- 列举能体现数据驱动思维的案例，例如如何分析数据改进模型或业务指标
- 如有顶会论文、知名开源项目贡献或算法竞赛名次，务必突出展示
- 系统复习和实践主流的AIGC技术栈，如Transformer、扩散模型架构、强化学习基础
- 尝试完成一个从数据处理、模型训练到简单服务部署的端到端小项目，强化工程全链路能力
面试指南
- 回答项目问题时，使用STAR法则，重点突出你的具体贡献、技术决策和最终效果（可量化）
- 回答系统设计问题时，先明确核心目标和约束（如生成速度、风格可控、合规），再分模块阐述设计思路和技术选型
- 回答评估和开放问题时，结合AIGC技术和商业化目标，展现你既懂技术又懂业务的思维
- 请介绍你参与过的最有挑战性的AIGC项目，你在其中负责什么？遇到了什么技术难点，如何解决的？
- 如果让你为小红书设计一个自动广告图片生成的系统，你会考虑哪些核心模块和关键挑战？
- 你如何评估一个创意生成模型的效果？除了生成质量，你认为在广告业务中还需要关注哪些指标？
- 请解释一下RLHF（基于人类反馈的强化学习）的基本流程，以及在创意生成中可能的应用
- 你如何看待Agent在自动化创意生产中的作用？它的优势和局限性是什么？
职位点评
薪资福利80
成长发展85
工作生活55
使命价值65
薪资福利
80较高
该职位为校招算法岗，位于一线城市，所属公司为知名互联网企业，薪资待遇在就业市场中具有较强竞争力，能较好满足薪资需求。
薪资信号市场水准 (25K-40K/月)
成长发展
85较高
该职位聚焦于LLM、AIGC、Agent等前沿技术在商业场景的落地，能提供极佳的技术深度和广度学习机会，且业务影响力强，发展路径清晰。
技术前沿前沿/新兴技术
技术栈LLM、AIGC、Agent、扩散模型、强化学习
业务类型profit_center
工作生活
55较低
JD未明确提及工作模式和工作时间安排，无法判断其工作生活平衡状况。该岗位属于技术研发类，通常需要投入较多精力。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
65中等
该职位通过AIGC技术创新直接提升广告创意生产效率和效果，为公司创造明确商业价值，属于新兴技术应用领域，但社会影响力相对间接和有限。
行业发展新兴领域（暂难判断）
社会影响社会影响力有限/不明显
创新程度积极采用新技术
Watch Jobs