小红书
【2027校招】基础模型算法工程师-Post-training
【2027校招】基础模型算法工程师-Post-training
发布于 大约 7 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
Llm
Post-Training
Reasoning
Sft
Vlm
分布式训练
多模态
强化学习
值不值得投
79综合评分
综合评分 79
大模型前沿算法岗，技术成长性极高，业务价值明确，但对候选人要求苛刻且工作模式未知。
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
28K
与机器学习工程中位数基本持平
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 1430 个在招 · 其中机器学习工程 24 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 430 个在招
职位详情
关于这个职位
这是小红书2027届校招的基础模型算法工程师岗位，专注于大模型（LLM）和视觉语言模型（VLM）的Post-training（后训练）阶段
你将运用SFT、RL、强化学习等先进技术，提升模型的推理、对齐和智能水平，使其更好地支撑搜索、推荐、广告、电商等小红书核心业务场景
最低要求
本科及以上学历，计算机、人工智能和数学等相关专业
深入理解 Transformer 架构及大模型训练全流程
熟悉主流 VLM 架构（如 LLaVA, Qwen-VL, InternVL 等）
在计算机视觉（CV）、多模态学习 或 视频理解 领域有深入研究
在 Search（搜索）、Code（代码生成/工程）、tool-use、alignment 或 RL（强化学习） 领域有深厚积累
熟练使用 PyTorch，有DeepSpeed、Megatron-LM 或 Ray 等大规模分布式训练实战经验，或熟悉多模态模型的数据预处理流水线及大规模多机多卡训练
工作职责
LLM Post-training方向：
Agentic RL 与Agency： 研发面向 Work Agent、Code Agent、Search Agent 和 Tool-use Agent 的SFT与RL方案，提升模型在开放环境中的任务拆解、工具调用及闭环执行能力
大规模对齐与强化学习： 研发并优化 SFT、RL（如GRPO等）、OPD等算法，构建高精度的 Reward Model，解决模型在复杂指令下的对齐问题
推理模型（Reasoning）优化： 探索长链推理（CoT）、强化学习驱动的自反思与自进化机制，提升模型在的 System 2 思维能力
数据管线与训练基建：实现和维护高质量的数据管线和训练基建，作为实现模型能力的自我循环与持续进化的基础
VLM Post-training方向：
负责 VLM 的 SFT/RL/Post-training 流程，提升图文、视频与文本之间的语义对齐和指令遵循能力
构建视觉 Reasoning 能力，提升模型在复杂图文理解、视频时序理解、多图推理、空间关系推理等任务上的表现
研发多模态 Agent 能力，使模型能够进行任务分解、计划生成、工具调用、结果验证和自我修正
建设 VLM Tool-use 能力，支持搜索、知识库、商品库、OCR、ASR、视频分析、审核规则等内部工具调用
优化长视频理解和多帧推理能力，提升模型对视频内容、事件、时序关系和深层语义的理解效率
面向小红书搜索、推荐、广告、电商、审核和内容创作等业务场景，构建数据、训练、评测和上线闭环
优先资格
在 NeurIPS, ICML, ICLR, ACL, CVPR, ICCV, ECCV, 等顶会发表过高质量论文
在 LLM 大家关注的 Benchmark 榜单有深入研究或优异表现
AI 洞察
优缺点分析
优点
- 处于大模型技术最前沿的算法岗位，能直接参与核心模型能力提升，技术成长快
- 小红书拥有独特的UGC内容生态，提供了丰富的多模态数据和落地场景
- 作为校招岗位，有机会进入顶尖技术团队，获得系统性培养和前沿视野
- 算法岗竞争激烈，对候选人基础理论功底和研究能力要求极高
- Post-training技术快速迭代，需要持续学习和跟进最新研究成果
- 工作内容涉及底层模型能力建设，成果需要通过业务指标间接验证，对系统性思考要求高
- 对大模型核心算法有浓厚兴趣、具备扎实科研基础与动手能力、渴望在真实业务场景中检验和优化前沿技术的顶尖应届毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术路线：可深耕Post-training算法，成为该领域的资深专家或算法科学家
- 管理路线：积累项目经验后，可成长为技术团队负责人或算法团队管理者
- 应用拓展：可凭借对模型能力的深刻理解，转向AI产品策略、技术规划等更广泛的角色
- 负责大语言模型和视觉语言模型的后训练算法研发，包括监督微调、强化学习和对齐技术
- 通过构建Agent和Reasoning能力，提升模型在复杂任务（如搜索、工具调用）中的表现
- 设计和维护大规模多模态模型的数据处理与分布式训练基础设施
- 深入掌握Transformer架构和大模型训练原理，熟悉LLaVA、InternVL等主流VLM架构
- 具备扎实的机器学习、强化学习理论基础，并有使用PyTorch进行大规模模型训练的实战经验
- 在CV、多模态学习或搜索、代码生成等至少一个相关领域有深入研究或项目积累
申请策略
- 仔细研读小红书在相关领域的技术博客和论文，面试时展示你对业务和挑战的理解
- 准备一份与Agent、Reasoning或VLM相关的、有深度的技术分享或代码作品集，会是加分项
- 突出在CV、NLP或多模态领域的研究经历，特别是与大模型训练、RL、Agent相关的项目
- 强调使用PyTorch、DeepSpeed/Megatron-LM进行大规模模型训练的实践经验
- 如有顶会论文或在知名Benchmark上的成绩，需在显著位置展示
- 深入复习Transformer、RLHF、GRPO等核心算法原理，并跟进ICLR/NeurIPS等顶会最新论文
- 实践操作：尝试用开源模型（如LLaVA）完成一个完整的Post-training或微调项目，并部署到简易应用
- 系统学习分布式训练框架（如Ray）和MLOps工具链，理解大规模AI训练工程化
面试指南
- 遵循‘理论理解-实践验证-业务思考’的框架
- 先阐述基本原理，再结合自己的项目经验或阅读的论文举例，最后思考该技术在小红书业务中的潜在应用
- 对于系统设计问题，采用‘分阶段、模块化’的思路，先明确目标，再拆解关键模块（数据、模型、训练、评测），并说明每个模块的技术选择和权衡
- 展示批判性思维，不仅说明技术的优点，也能分析其局限性及适用场景，并提出可能的改进方向
- 请介绍你对大模型Post-training（如SFT、RLHF）流程的理解，以及其中可能遇到的核心挑战
- 如果你要为一个复杂工具调用场景（如电商Agent）设计强化学习方案，你的思路是什么？
- 对比LLaVA和InternVL，你认为它们在视觉语言对齐上的主要优缺点是什么？
- 如何构建和评估一个高质量的Reward Model来提升模型在开放式任务中的表现？
职位点评
薪资福利75
成长发展90
工作生活65
使命价值80
薪资福利
75中等
作为头部互联网企业的校招核心算法岗，薪资待遇预计具有市场竞争力，且福利体系应较为完善。
薪资信号市场水准 (20K-35K/月)
成长发展
90较高
岗位聚焦大模型最前沿的Post-training技术，涉及强化学习、多模态Agent等核心方向，技术挑战大，学习和成长空间极佳。
技术前沿前沿/新兴技术
技术栈LLM、Post-training、SFT、RL、VLM、Transformer、GRPO、DeepSpeed、Megatron-LM、Agent
业务类型profit_center
工作生活
65中等
工作地点位于北京、上海、杭州核心或科技园区，未明确提及办公模式或工作强度信息。
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
80较高
工作直接赋能搜索、推荐、电商等影响亿级用户的核心业务，能直观感受到技术创造的产品价值。
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