【REDstar】NLP/多模态内容理解算法工程师-社区治理

优缺点分析

角色解读

• 从算法工程师起步，可逐步成长为技术专家或项目负责人
• 参与核心生态治理，积累大模型实战经验，向AI算法专家方向发展
• 可横向拓展至内容安全、风控等领域，或转岗至基础算法团队
• 负责利用NLP、CV和多模态技术识别小红书平台上的内容风险，比如违规笔记、虚假交易等
• 建设并优化生态大模型，融合文本、视频、评论等多维度特征提升机审能力
• 跟踪业界前沿，将LLM/MLLM等模型落地到业务中，提升风险覆盖和召回
• 搭建内容理解特征体系，完善技术基建并对外提供服务
• 扎实的编程能力，熟悉Python，掌握Pytorch或TensorFlow等深度学习框架
• 了解NLP和多模态相关的模型原理，有大规模预训练模型实践更好
• 具备良好的学术视野和钻研精神，能快速学习新算法
• 有Agent、RAG、PE等大模型应用经验是加分项

申请策略

• 关注小红书的校招官网，了解REDstar项目的具体要求
• 在面试中展示对生态治理和内容安全的兴趣和理解
• 突出NLP或多模态相关的项目经历，尤其是大规模预训练模型的训练和调优
• 如有顶级会议论文，需重点标注，这是加分项
• 展示Python编程能力和深度学习框架的熟练度，可附上GitHub链接
• 强调对业务的理解，例如做过内容理解或风控相关项目
• 提前学习并实践LLM、MLLM的微调和应用，如Agent、RAG
• 熟悉Linux环境，掌握常用数据结构和算法

面试指南

• STAR法则：描述情境、任务、行动和结果，突出技术难度和个人贡献
• 从问题定义、数据获取、模型选型、评估优化四个步骤来回答设计类问题
• 结合业务价值来谈技术，展现商业思维
• 请介绍一下你在多模态或NLP领域的项目，遇到的最大挑战是什么？
• 如何设计一个模型来识别平台上的违规内容？
• 谈谈你对LLM在内容理解中的应用前景的看法
• 你如何理解生态算法和商业收益之间的关系？
• 给定一个实际场景，如何构建特征体系？