小红书
NLP/多模态/大模型 实习生- Agentic审核方向
NLP/多模态/大模型 实习生- Agentic审核方向
发布于 2 小时前实习/见习
实习生仅现场办公NLP工程
NLP工程
Nlp
Pytorch
Tensorflow
多模态
大模型
计算机视觉
值不值得投
76综合评分
综合评分 76
前沿大模型与Agent技术栈、内容安全业务场景、技术成长空间大，WLB情况待确认。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
8千
比NLP工程中位数低
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 1420 个在招
市场机会
选择适中
杭州 · NLP工程 · 32 个在招
职位详情
关于这个职位
该职位主要负责Agentic系统的构建与迭代，探索Agent的自主优化机制，并从事CV、NLP、多模态及大模型相关算法研发，应用于内容安全与生态审核场景
适合对大模型和Agent技术有热情，希望在内容安全领域落地的算法实习生
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
熟悉大模型或多模态大模型，熟悉 Agent 相关技术
具备优秀的问题解决能力，对新技术保持好奇，敢于挑战高难度，善于提出解决方案并快速验证
熟练掌握 PyTorch、TensorFlow 等深度学习框架中至少一种，熟悉Agent 开发框架
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Agentic系统的构建与迭代，探索Agent的 Recursive Self-improvement 机制，持续提升系统在复杂风险场景中的自主优化能力
负责CV 、NLP、多模态、大模型的相关算法研发，面向包括但不限于多模态分类、图像分类、文本分类等
面向基于内容理解技术的安全、生态审核场景，包括但不限于笔记审核、评论审核、私信聊天审核、弹幕审核、账号审核等
优先资格
具备优秀的研究和创新能力，在 CVPR、ICCV、ECCV、NIPS、ICLR、ICML、AAAI、KDD、SIGGRAPH 等会议上发表过论文者优先，参加过 ACM 竞赛者优先
AI 洞察
优缺点分析
优点
- 接触大模型与Agent等前沿技术，探索Recursive Self-improvement等创新机制，技术含金量高
- 业务场景丰富，涵盖笔记、评论、私信等多维度的审核场景，算法落地价值大
- 依托超大型平台的丰富数据与算力资源，有利于个人技术能力的快速提升
- 适合对大模型和Agent技术有浓厚兴趣，具备扎实算法基础与编程能力，且希望在内容安全领域深耕的硕士及以上在校生
缺点 / 挑战
- 复杂风险场景下的自主优化机制探索难度较大，需要较强的科研与创新能力
- 审核场景对算法的准确率和实时性要求极高，面临较大的工程落地与性能优化压力
角色解读
- 从算法实习生起步，深入参与大模型与Agent在内容安全领域的落地，积累前沿技术经验
- 未来可向大模型算法专家、Agent系统架构师或AI安全方向的高级研究员发展
- 负责Agentic系统的构建与迭代，探索Agent的自主优化机制，提升复杂风险场景下的系统能力
- 研发CV、NLP、多模态及大模型相关算法，应用于多模态分类、图像与文本分类等任务
- 将算法落地于内容安全与生态审核场景，如笔记、评论、私信、弹幕及账号审核等
- 扎实的深度学习基础，熟练掌握PyTorch或TensorFlow等框架，熟悉Agent开发框架
- 优秀的编程能力，精通Python、C/C++或Java，具备扎实的数据结构与算法功底
- 对大模型、多模态大模型及Agent技术有深入理解，具备快速验证和解决复杂问题的能力
申请策略
- 提前了解小红书的内容生态与审核机制，思考如何利用大模型技术提升审核效率与准确性
- 准备一些关于Agent在复杂风险场景中应用的个人见解或Demo，以展现对业务的思考
- 突出在大模型、多模态或Agent方向的项目经验，特别是与内容理解、分类或安全审核相关的落地成果
- 强调在顶会（如CVPR、ACL等）发表的论文或ACM竞赛获奖经历，展现科研与创新能力
- 展示扎实的编程功底，列举使用PyTorch/TensorFlow进行模型训练与优化的具体项目
- 深入学习Agent开发框架及大模型微调技术，了解Recursive Self-improvement等前沿机制
- 提升工程落地能力，熟悉高并发、低延迟场景下的模型部署与性能优化技巧
面试指南
- STAR法则：针对项目经验，按照情境、任务、行动、结果的逻辑清晰阐述，突出个人贡献与技术深度
- 结构化思考：针对系统设计或算法设计问题，从数据、模型、工程落地、业务指标四个维度展开回答
- 请介绍你在多模态或大模型方向的一个核心项目，你是如何解决其中的技术难点的？
- 你如何理解Agent的Recursive Self-improvement机制？在内容审核场景中如何应用？
- 面对笔记、评论、私信等不同模态和场景的审核，你会如何设计多模态分类算法？
- 在模型推理延迟和准确率之间如何权衡？请分享你的优化经验
- 复习大模型、多模态及Agent相关的经典论文与最新进展，特别是与内容安全、风险识别相关的研究
- 准备手撕代码，重点复习动态规划、图论、树等高频算法题，以及深度学习框架的底层实现原理
职位点评
薪资福利70
成长发展90
工作生活60
使命价值75
薪资福利
70中等
作为超大型平台的算法实习生，实习津贴处于市场较好水平，但实习岗位本身不具备正式员工的长期薪资与福利优势。
薪资信号未披露（AI估算：6.5千–1万/月）
成长发展
90较高
岗位涉及大模型、多模态及Agent等前沿技术，且鼓励探索创新机制，技术成长空间极大，非常适合算法方向的实习生积累核心竞争力。
技术前沿前沿/新兴技术
技术栈大模型、多模态大模型、Agent、PyTorch、TensorFlow、CV、NLP
业务类型ambiguous
工作生活
60中等
JD未明确说明工作模式与工时安排，但算法实习生通常需要跟进项目进度，工作节奏可能较快，WLB情况需进一步确认。
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
75中等
岗位致力于内容安全与生态审核，维护社区环境，具有一定的社会正向价值，同时处于大模型与Agent技术落地的前沿领域。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs