小红书
内容生态算法-T&S
内容生态算法-T&S
发布于 2 小时前普通员工/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
Pytorch
内容安全
多模态大模型
对抗攻防
模型微调
深度学习
自然语言处理(Nlp)
计算机视觉(Cv)
风控算法
值不值得投
80综合评分
综合评分 80
前沿AI技术驱动、业务壁垒高、成长空间大，但风控对抗压力大、WLB一般。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.8万
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 2150 个在招 · 其中机器学习工程 32 个
市场机会
选择面较广
上海 · 机器学习工程 · 约 380 个在招
职位详情
关于这个职位
负责将多模态大模型与Agent等前沿算法应用于小红书全场景内容生态，重点攻克意识形态、色情低俗及违法违规等内容的识别与风控难题
通过样本处理、模型创新与对抗攻防技术，持续提升内容安全算法的准确率与泛化能力，构建高效可运营的内容安全体系
最低要求
计算机、电子信息、自动控制、软件工程、数学等相关专业，硕士及以上学历
优秀的分析、解决问题能力，对新技术充满好奇，敢于挑战高难度，善于提出解决方案并快速验证
了解大模型应用阶段的样本处理、prompt设计、模型微调、推理优化等技巧，乐于探索大模型在内容安全/审核场景的落地
熟练掌握TensorFlow、PyTorch、Caffe、MXNet 等深度学习框架中的至少一种
具备优秀的编程能力和经验，熟悉Python、C/C++、Java 等编程语言，具有扎实的数据结构和算法功底
工作职责
负责将内容理解、多模态大模型、Agent等算法能力落地于小红书笔记/评论/直播/账号等全场域的内容生态场景，重点覆盖意识形态、色情低俗、违法违规等风险的识别与管控，技术驱动平台内容生态安全与健康
具体负责多模态识别、计算机视觉、自然语言处理、语言/多模态大模型、风控决策模型等算法的研发迭代，通过样本去噪、样本生成、模型创新、自监督、few-shot、对抗样本挖掘等手段，持续提升内容安全的识别准确率、召回率与对抗变体能力
跟进内容安全领域的黑灰产对抗态势，针对绕过、变形、隐晦表达等对抗手段快速迭代模型策略，构建高时效、可解释、可运营的内容安全算法体系
优先资格
对内容安全、风控对抗类问题有热情者优先
在CVPR、ICCV、ECCV、NIPS、ICML、SIGGRAPH、ACL、EMNLP等会议上发表过论文者优先
参加过ACM竞赛者优先
有内容安全、风控、反欺诈、对抗攻防相关项目或竞赛经验者优先
AI 洞察
优缺点分析
优点
- 聚焦AI前沿技术（多模态大模型、Agent），技术栈领先且业务场景丰富
- 背靠头部互联网平台，数据资源充足，技术落地影响力大
- 薪酬福利与职业发展体系成熟完善
- 对学术背景与工程落地能力双重要求极高，竞争激烈
- 模型迭代需兼顾准确率与线上延迟，平衡难度大
- 适合具备扎实AI算法基础、热爱技术攻坚、抗压能力强且对内容安全/风控领域有浓厚兴趣的硕士及以上毕业生或资深工程师
缺点 / 挑战
- 内容安全与风控对抗属于高强度博弈领域，需持续跟进黑灰产新手法，工作压力较大
角色解读
- 可向内容安全首席算法专家、AI风控架构师方向发展
- 亦可横向拓展至通用大模型应用、智能推荐或自动驾驶等多模态领域
- 长期可成长为技术管理岗或独立负责核心业务线
- 负责将多模态大模型与Agent技术应用于小红书全场景内容审核与安全风控
- 研发迭代CV/NLP/风控决策模型，提升内容安全识别的准确率与召回率
- 持续追踪黑灰产对抗动态，优化模型策略以应对各类规避与变形攻击
- 扎实的深度学习基础与主流框架（PyTorch/TensorFlow）使用能力
- 精通CV、NLP或多模态大模型原理及微调优化技巧
- 具备优秀的算法设计与编程实现能力（Python/C++），熟悉数据结构与算法
- 拥有较强的科研创新能力与学术成果积累
申请策略
- 提前研究小红书社区内容生态特点与安全治理难点
- 准备1-2个完整的项目案例，清晰阐述从问题定义、数据处理、模型选型到线上落地的全链路思考
- 突出多模态大模型、CV/NLP相关项目经验，详细量化模型指标提升（如准确率、召回率、AUC等）
- 强调对抗样本挖掘、模型微调、推理优化等实战细节
- 附上顶会论文或高质量竞赛奖项
- 深入掌握Prompt Engineering、LoRA/QLoRA等大模型微调技术
- 强化对抗攻防与样本生成（如GAN/Diffusion）相关知识
- 提升线上模型部署与性能调优能力（如TensorRT、ONNX）
面试指南
- 采用STAR法则结构化回答，重点突出业务痛点、技术方案对比、实验设计严谨性及最终业务收益
- 对于对抗问题，可从数据增强、特征鲁棒性设计、在线学习机制三个维度展开
- 性能优化需结合硬件特性与算子融合策略说明
- 请详细介绍一个你主导的多模态或大模型落地项目，遇到的最大挑战及如何解决？
- 面对黑灰产的文本/图像变形对抗，你的模型策略如何设计以保证高召回与低误杀？
- 如何在大模型推理阶段进行成本与性能的权衡优化？
- 复习Transformer架构、注意力机制及主流大模型微调方法
- 梳理近期CVPR/ICCV/NLP顶会中与内容安全、多模态对齐相关的论文
职位点评
薪资福利85
成长发展92
工作生活60
使命价值75
薪资福利
85较高
薪资处于互联网大厂市场中上水平，配套完善的福利体系，能较好满足物质回报需求。
薪资信号未披露（AI估算：3.5千–6.0万/月）
成长发展
92较高
深度接触多模态大模型与Agent等前沿技术，业务场景复杂且数据丰富，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈多模态大模型、Agent、计算机视觉、自然语言处理、PyTorch、TensorFlow
业务类型ambiguous
工作生活
60中等
互联网大厂常规节奏，内容安全与风控对抗需保持高频响应，工作强度较高，WLB一般。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
致力于维护网络空间清朗环境，打击违规违法内容，具有明确的社会价值与行业责任感。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs