小红书
【2027校招】视觉与多模态算法工程师
【2027校招】视觉与多模态算法工程师
发布于 7 分钟前普通员工/个人贡献者
全职员工仅现场办公研究与开发 (研发)
研究与开发 (研发)
Aigc
Diffusion
Pytorch
Tensorflow
图像编辑
多模态生成
大语言模型
视频生成
计算机视觉
值不值得投
78综合评分
综合评分 78
前沿AIGC技术岗，成长空间极大，应用场景明确，但工作生活平衡信息不明。
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
20K
比研究与开发 (研发)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 · 其中研究与开发 (研发) 69 个
市场机会
选择面较广
上海 · 研究与开发 (研发) · 约 1150 个在招
职位详情
关于这个职位
作为小红书的视觉与多模态算法工程师，你将投身于AIGC领域的前沿研发，负责图像与视频生成、编辑以及多模态大模型内容创作相关算法的优化与落地
你的工作将直接服务于社区发布、商业化及电商创作等多个核心场景，探索并实现多模态Agent在内容创作中的应用潜力
最低要求
本科及以上学历，计算机等相关专业优先
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，对数据结构和算法设计有较为深刻的理解
优秀的分析和解决问题能力，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Diffusion、LLM、VLM、Agent等前沿技术
关注多模态与文本生成领域的业界最新动态，如Qwen、Gemini、Claude、chatGPT等
具备优秀的研究和创新能力，在NIPS/AAAI/ICML/ICLR/CVPR/TPAMI/ACL/EMNLP/ECCV/ICCV/SIGGRAPH等会议/期刊上发表过论文者或参加过ACM竞赛者优先
工作职责
创作发布算法方向：
负责图像编辑、视频剪辑、文案创作等内容创作相关算法的研发与优化，并在社区发布、商业化&电商创作等场景落地
跟进多模态大模型内容生产、Agent等相关技术的最新发展趋势，保持技术先进性，持续探索Agent在内容创作方面的潜力
AIGC生成方向：
负责多模态生成/GAN/Diffusion等图像&视频生成相关算法研发与优化， 跟进该领域的前沿技术研究
参与技术规划制定，跟进图像&视频生成技术最新发展趋势，打造业内领先的多模态内容生成能力
推动技术在图像&视频编辑/素材生成/辅助设计/特效等领域的应用
优先资格
在NIPS/AAAI/ICML/ICLR/CVPR/TPAMI/ACL/EMNLP/ECCV/ICCV/SIGGRAPH等会议/期刊上发表过论文者或参加过ACM竞赛者优先
AI 洞察
优缺点分析
优点
- 技术前沿性强，直接参与多模态与AIGC领域最热门的技术探索与落地
- 应用场景明确且丰富，成果能快速在亿级用户产品上得到验证，成就感强
- 作为超大型企业，能提供优质的资源、数据与平台，利于技术深度积累
- 技术难度大，要求对前沿论文和模型有快速跟进与实现能力，需要持续高强度学习
- 竞争激烈，需在团队内和行业内保持技术敏锐度与创新能力
缺点 / 挑战
- 业务节奏快，算法需快速迭代并产出实际业务价值，可能存在一定的交付压力
- 对AIGC和多模态技术充满热情、有扎实的代码与算法功底、乐于挑战技术难题、并希望将顶尖技术快速应用于大规模实际场景的优秀应届毕业生
角色解读
- 技术专家路线：深耕多模态生成领域，成为特定技术方向（如视频生成、3D生成）的权威专家
- 架构师/技术负责人路线：负责AIGC整体技术架构的设计与演进，领导团队攻克技术难题
- 产品技术结合路线：深入了解业务，推动前沿技术在内容社区与电商场景的规模化应用，成为技术驱动业务的复合型人才
- 研发与优化图像编辑、视频剪辑、文案创作等内容创作算法，并将其应用于社区发布和商业化场景
- 进行图像与视频生成核心算法的研发，如基于Diffusion模型的技术，并跟进行业最前沿动态
- 探索多模态大模型与Agent技术在内容生产、辅助设计等领域的创新性应用与落地
- 参与技术规划，推动团队整体技术能力保持业界领先水平
- 扎实的深度学习理论基础与实践能力，熟练掌握PyTorch或TensorFlow等主流框架
- 精通Python，并熟悉C/C++，具备优秀的算法与数据结构功底
- 对Diffusion、LLM、VLM等前沿多模态生成技术有深入理解或强烈学习兴趣
- 具备独立分析问题、解决问题的能力，以及优秀的研究创新潜力
申请策略
- 深入研究小红书在AIGC方面的公开技术分享和应用案例，面试时展现你对业务的理解
- 准备好一个能够清晰阐述技术选型、遇到困难和创新点的项目案例，这是面试重点
- 突出在计算机视觉、图像处理、多模态学习等相关领域的科研项目经历与论文成果
- 展示在ACM等顶级竞赛或开源项目中的贡献，体现算法与工程实现能力
- 具体描述一个深度学习项目，说明使用的技术栈（如Diffusion）、解决的问题和最终效果
- 系统性学习Diffusion Models、LLM、VLM等前沿技术的经典论文与开源实现
- 在PyTorch等框架下，动手复现或改进相关领域的代表性模型，积累实战经验
面试指南
- 对于项目问题：采用STAR法则（情境、任务、行动、结果）进行结构化描述，重点突出个人贡献与技术细节
- 对于技术原理问题：先解释基本概念，再对比分析，最后可以结合简单实例或自己的理解进行补充
- 对于开放性/业务问题：结合技术趋势与产品特性（如社区属性、用户体验、商业化）进行分析，体现技术为业务服务的意识
- 请介绍一个你熟悉或做过的与多模态生成（如图像生成、视频生成）相关的项目或研究
- Diffusion模型和GAN模型在图像生成上的核心区别是什么？各自有哪些优缺点？
- 你如何看待大语言模型（LLM）和多模态大模型（VLM）在内容创作领域的应用前景？
- 如果让你负责优化一个给定的图像编辑算法，你会从哪些方面考虑？请简述思路
- 除了技术能力，你认为在小红书这样的内容社区做算法工程师，还需要具备哪些素质？
职位点评
薪资福利70
成长发展95
工作生活55
使命价值85
薪资福利
70中等
作为校招岗位，薪资福利通常符合市场水准，但具体竞争力需结合最终offer确认。JD未提及具体福利细节。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
95较高
该职位处于技术最前沿（AIGC、多模态），能接触顶尖技术并与优秀团队共事，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Diffusion、LLM、VLM、Agent、GAN、多模态生成
成长机会跟进前沿技术研究、保持技术先进性、参与技术规划制定、打造业内领先的多模态内容生成能力
业务类型profit_center
工作生活
55较低
工作地点为一线城市，办公模式未明确说明，可能需要根据业务需求灵活安排。工作强度与项目阶段相关。
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
85较高
参与塑造数亿用户的内容创作与消费体验，推动AIGC技术在真实场景落地，社会影响力与创新性强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号打造业内领先的多模态内容生成能力
创新程度开拓性创新（行业首创）
Watch Jobs