Xiaohongshu logo
小红书
【REDstar】Dots-大模型Personal Agent后训练算法工程师

【REDstar】Dots-大模型Personal Agent后训练算法工程师

发布于 28 分钟前

普通员工/个人贡献者

AI 估算 · 4.0–7.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Computer Use
Llm
Long Context
Pytorch
Reinforcement Learning
Rlhf
Sft

值不值得投

77综合评分

综合评分 77

前沿Agent算法岗,技术挑战大,成长快,薪资优,但工作强度可能较高

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

5.5万

比AI算法中位数高

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 2440 个在招 · 其中AI算法 12 个

市场机会

选择面较广

北京 · AI算法 · 约 220 个在招

职位详情

关于这个职位

负责小红书Personal Agent基座模型的后训练(SFT/RL),重点提升长程任务规划、工具调用及个性化记忆能力

搭建Agent训练评测环境,研究上下文工程与自进化机制,推动模型从实验到真实用户体验的落地闭环

最低要求

计算机、人工智能、数学等相关专业,本科及以上学历

机器学习和深度学习基础扎实,理解大语言模型的预训练、后训练和推理机制
熟练使用 Python 和 PyTorch,有较强的工程实现能力,能够独立完成数据处理、模型训练、实验设计和效果分析
有以下至少一个方向的深入经验:
LLM Agent 算法,包括工具调用、规划、GUI 或 Computer Use Agent
大模型 SFT、RLHF 或 RL,例如 PPO、GRPO、DPO
记忆机制、个性化建模、推荐或用户建模
长上下文建模和上下文管理
实验思维严谨,能从模型输出和执行轨迹中定位问题,提出可验证的假设并推动迭代
自驱力强,能自己发现问题、定义问题
有好奇心,学习速度快,愿意在没有标准答案的方向上探索

工作职责

Agent 后训练与强化学习:负责 Personal Agent 基座模型的 SFT 和 RL 训练,重点提升长程任务中的规划、工具调用、反思纠错和多轮交互能力,探索从单轮推理 RL 到数百轮 Agent RL 的训练方案

记忆与个性化:研究长期记忆的写入、检索、更新和遗忘机制,以及基于用户画像和历史交互的个性化建模,让模型持续理解同一个用户,在合适的时候主动提供帮助
环境与数据建设:搭建贴近真实场景的 Agent 训练和评测环境,覆盖 Computer Use、GUI 操作、搜索、代码执行和第三方工具等
负责轨迹数据的合成、筛选和标注策略,设计过程奖励和结果验证信号
上下文工程与长程能力:研究长上下文管理、上下文压缩、任务状态追踪和多 Agent 协作,提升模型在复杂、长周期任务中的稳定性和完成率
自进化与持续学习:探索 Agent 从真实使用反馈中持续学习的方法,包括 Self-Evolving 和 Lifelong Learning,同时兼顾能力提升、可靠性和安全边界
评测与落地闭环:和评测、Infra、产品团队协作,建立面向 Personal Agent 的评测体系,把模型能力转化为真实可感的用户体验,并持续迭代

优先资格

在 NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR 等顶会发表过 Agent、RL 或对齐相关的论文

有大规模 Agent RL 训练经验,或在大规模集群上训练过模型
有知名开源 Agent 框架、Benchmark 或训练框架的贡献
参与过 AI 助手类产品从 0 到 1 的落地,并经过真实用户的验证
在 ACM、OI、Kaggle 等竞赛中取得过优异成绩

AI 洞察

优缺点分析

优点

  • 聚焦前沿Agent领域,技术栈领先
  • 拥有海量真实用户数据支撑模型迭代
  • 平台资源充足,利于产出高水平成果
  • 技术探索性强,无标准答案,需具备极强的自驱力和问题解决能力
  • 对AI前沿技术有热情,具备扎实科研背景和工程落地能力的算法工程师

缺点 / 挑战

  • 工作强度可能较高,需应对快速迭代的压力

角色解读

  • 可向AI架构师、首席科学家方向发展,或转型为AI产品负责人,主导智能体生态建设
  • 负责Personal Agent基座模型的后训练(SFT/RL),优化长程任务规划和工具调用能力
  • 扎实的机器学习/深度学习基础,精通Python/PyTorch,熟悉LLM后训练及Agent算法

申请策略

  • 准备详细的项目案例,展示从问题定义到模型迭代的全流程思考,体现严谨的实验思维
  • 突出LLM后训练、Agent相关项目经验,强调顶会论文、开源贡献或大规模集群训练经历
  • 深入研究PPO/GRPO/DPO等强化学习算法,掌握Computer Use/GUI Agent最新进展

面试指南

  • 采用STAR法则(情境、任务、行动、结果)描述项目,重点突出技术选型的依据、实验设计的严谨性及最终的业务/技术指标提升
  • 请介绍你参与的LLM后训练项目,遇到的最大挑战及解决方案?
  • 如何设计Agent的长期记忆机制?
  • 对比PPO和DPO的优缺点,以及在Agent场景下的适用性?
  • 如何处理长上下文中的信息丢失问题?
  • 复习Transformer架构细节,梳理主流RLHF算法原理,关注最新Agent相关顶会论文

职位点评

薪资福利85
成长发展95
工作生活40
使命价值80

薪资福利

85较高

作为C轮后超大型互联网公司的核心算法岗,薪资水平极具竞争力,且通常伴随丰厚的股票期权和福利。

薪资信号未披露(AI估算:4.0千–7.0万/月)

成长发展

95较高

职位直接关联AI最前沿的Agent领域,技术挑战性高,成长空间巨大,适合追求技术突破的人才。

技术前沿前沿/新兴技术
技术栈LLM、Agent、RL、SFT、PyTorch、Computer Use
业务类型profit_center

工作生活

40较低

互联网大厂核心研发岗,通常工作节奏较快,加班文化可能存在,WLB相对一般。

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

80较高

致力于打造真正懂用户的AI助理,具有明确的用户价值和社会意义,符合技术改变生活的愿景。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号做出真正属于每个人的 AI 助理
创新程度开拓性创新(行业首创)
Watch Jobs