小红书
【2027校招】推荐算法工程师-流量分发
【2027校招】推荐算法工程师-流量分发
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
多目标优化
大模型
强化学习
排序模型
推荐系统
机器学习
生成式模型
算法策略
值不值得投
72综合评分
综合评分 72
前沿技术、高成长性，但WLB可能一般，适合技术驱动型求职者。
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
比推荐系统中位数低
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 1400 个在招
市场机会
选择不多
上海 · 推荐系统 · 4 个在招
职位详情
关于这个职位
该职位是小红书推荐算法工程师，专注于流量分发场景，负责优化视频、图文、电商、广告和直播等业务的推荐算法，以提升用户体验并助力商业营收
工作内容包括排序模型构建、AI创新探索（如基于Agent的交互式推荐）以及机制策略设计，涉及大模型、生成式等前沿技术的应用
最低要求
本科及以上学历，在机器学习、大模型、强化学习、基础数学等领域有一定的积累
有良好的沟通能力，跨团队协作能力，具备出色的执行力、强烈的责任感，以及优秀的学习能力
工作职责
排序模型：点击率、互动率、时长等预估模型，以及生成式模型
AI创新：探索基于Agent的交互式推荐新模式
机制策略：混排/重排机制、多样性机制、多目标融合机制等
优先资格
在计算机领域的国际顶级会议或者期刊以第一作者发表过高水平论文者优先
在全球知名比赛（如KDD Cup、ACM等）中取得过好名次者优先
AI 洞察
优缺点分析
优点
- 接触前沿推荐技术和大模型应用，技术成长空间大
- 平台用户量大，算法优化直接影响数亿用户体验，成就感强
- 公司业务多元，涉及电商、广告等，提供丰富实践场景
- 推荐算法领域竞争激烈，需持续学习保持技术领先
- 跨业务分发场景复杂，平衡多目标（如体验与营收）难度高
- 适合对推荐系统有热情、具备扎实算法基础、喜欢技术创新的应届毕业生
缺点 / 挑战
- 校招岗位可能面临快速上手和产出的压力
角色解读
- 可成长为推荐算法专家，深耕技术并引领创新
- 有机会向AI前沿领域拓展，如大模型或交互式推荐
- 长期可向技术管理或架构师方向发展，负责团队或系统架构
- 负责小红书推荐算法在流量分发场景的优化，构建点击率、互动率等预估模型
- 探索基于Agent的交互式推荐新模式，推动AI技术创新
- 设计混排、重排等机制策略，平衡用户体验与商业目标
- 扎实的机器学习、大模型或强化学习理论基础
- 良好的编程能力和算法设计经验，熟悉推荐系统
- 出色的沟通协作和执行力，能跨团队推进项目
申请策略
- 研究小红书的产品特点和推荐逻辑，在面试中展现业务理解
- 准备一个完整的算法项目案例，详细说明问题定义、技术方案和结果
- 突出机器学习、大模型相关的课程项目或研究经历，强调算法实践
- 如有论文发表或竞赛获奖，务必在简历中重点展示
- 展示跨团队协作或沟通能力的实例，体现软技能
- 深入学习推荐算法经典模型和最新论文，如Transformer在推荐中的应用
- 加强Python编程和深度学习框架（如PyTorch）的实践能力
- 了解小红书业务模式，思考推荐算法如何优化内容分发
面试指南
- 对于算法问题，先阐述理论原理，再结合实际场景说明应用
- 项目经验采用STAR法则：Situation、Task、Action、Result
- 强调学习能力和团队合作，举例说明如何解决问题
- 请介绍一个你熟悉的推荐算法模型，并解释其优缺点
- 如何设计一个考虑多样性的排序机制？
- 你如何优化点击率预估模型？有哪些关键指标？
- 描述一个你参与过的机器学习项目，你在其中扮演什么角色？
- 复习推荐系统常见算法，如协同过滤、深度模型等，准备技术细节
职位点评
薪资福利75
成长发展85
工作生活50
使命价值65
薪资福利
75中等
校招岗位薪资预计在市场水准，福利信息未提及，但作为大厂可能有基本保障。
薪资信号市场水准 (15K-25K/月)
成长发展
85较高
职位涉及前沿技术如大模型和Agent，有明确的技术挑战，有利于技能提升和职业成长。
技术前沿前沿/新兴技术
技术栈机器学习、大模型、强化学习、生成式模型、Agent
业务类型profit_center
工作生活
50较低
工作模式未明确，互联网行业通常现场办公，WLB可能一般。
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
65中等
推荐算法优化用户体验并助力商业营收，有一定社会价值，但行业竞争激烈。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
小红书 的其他在招职位
相似职位推荐
Watch Jobs