小红书
基础模型算法实习生 - LLM Post-training
基础模型算法实习生 - LLM Post-training
发布于 大约 20 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Agentic
Deepspeed
Grpo
Llm
Megatron-Lm
Post-Training
Pytorch
Reasoning
Rlhf
值不值得投
67综合评分
综合评分 67
前沿技术、核心岗位、成长空间大，但工作强度可能较高。
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
8K
比机器学习工程中位数低
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 2800 个在招 · 其中机器学习工程 13 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
作为小红书基础模型算法实习生，你将专注于大语言模型的Post-training阶段，通过SFT、RL（如GRPO）等技术提升模型的推理、Agentic和人类意图对齐能力，支撑搜索、广告、推荐等核心业务场景
你将参与大规模分布式训练，探索合成数据与模型进化，与顶尖团队共同推动AI智能水平上限
最低要求
背景：计算机、数学等相关专业硕士/博士在读
深入理解 Transformer 架构及大模型训练全流程
专业深耕：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
工程能力：熟练使用 PyTorch，有 DeepSpeed、Megatron-LM 或 Ray 等大规模分布式训练实战经验
工作职责
大规模对齐与强化学习：研发并优化 SFT、RL（如 GRPO 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 System 2 思维能力
Agentic RL 与 Agency：研发面向 Search Agent、Code Agent 和 Tool-use Agent 的强化学习方案，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
合成数据与模型进化：探索高质量合成数据的生成与过滤技术，实现模型能力的自我循环与持续进化
优先资格
在 NeurIPS, ICML, ICLR, ACL 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
有大规模集群调优经验或知名开源 LLM 项目核心贡献者
AI 洞察
优缺点分析
优点
- 参与核心大模型研发，技术前沿，能快速积累顶尖AI经验
- 公司平台大，业务场景丰富，技术落地机会多
- 团队氛围好，与顶尖AI人才共事，成长空间大
- 工作强度大，需要投入大量时间进行实验和调优
- 技术难度高，对算法和工程能力要求高
- 竞争激烈，需要持续学习和跟进最新研究
- 适合对LLM、RLHF和Agentic AI有浓厚兴趣，具备扎实技术功底和强自驱力的硕士/博士在读生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习到正式研究员，深入参与核心模型研发，成为LLM领域的专家
- 在强化学习、Agentic AI等前沿方向积累深厚经验，成为行业稀缺人才
- 有机会晋升为技术负责人，带领团队探索更前沿的AI技术
- 研发并优化SFT、RL（如GRPO）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
- 探索长链推理（CoT）、强化学习驱动的自反思与自进化机制，提升模型的System 2思维能力
- 研发面向Search Agent、Code Agent和Tool-use Agent的强化学习方案，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
- 探索高质量合成数据的生成与过滤技术，实现模型能力的自我循环与持续进化
- 深入理解Transformer架构及大模型训练全流程
- 在Search、Code、tool-use、alignment或RL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
- 具备扎实的计算机、数学基础，有顶会论文或开源项目贡献者优先
申请策略
- 了解小红书的业务场景，思考LLM如何赋能搜索、推荐等业务
- 在面试中展示对技术细节的深入理解和独立解决问题的能力
- 突出在LLM、RL、Search、Code等领域的项目经验和研究成果
- 强调PyTorch、DeepSpeed、Megatron-LM等工程实践能力
- 如有顶会论文或开源项目贡献，务必突出展示
- 深入学习RLHF、GRPO等强化学习算法，并动手实践
- 熟悉主流LLM训练框架，如DeepSpeed、Megatron-LM
- 关注LLM前沿研究，如Reasoning、Agentic等方向
面试指南
- 结合具体项目，用STAR法则清晰阐述背景、任务、行动和结果
- 展示对技术原理的深入理解，并联系实际应用场景
- 强调解决问题的思路和团队协作能力
- 请详细介绍一下你在LLM Post-training方面的项目经验
- 如何设计Reward Model来提升模型的对齐效果？
- 在分布式训练中，你如何优化训练效率？
- 你如何看待Agentic RL在未来的发展？
- 请谈谈你对合成数据在模型进化中作用的看法
职位点评
薪资福利60
成长发展95
工作生活40
使命价值80
薪资福利
60中等
实习岗位，薪资为实习津贴，但小红书作为大厂，福利待遇相对完善，且实习经历对后续职业发展有较大价值。
薪资信号未披露（AI估算：6K-10K/月）
成长发展
95较高
该岗位处于LLM最前沿，涉及RLHF、Agentic等核心技术，能快速积累顶尖技术经验，成长空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、RLHF、GRPO、PyTorch、DeepSpeed、Megatron-LM、Ray、Reasoning、Agentic
业务类型profit_center
工作生活
40较低
实习岗位，工作强度可能较大，但具体办公模式未明确提及。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
该岗位致力于提升AI智能水平，支撑小红书核心业务，具有较高的技术价值和社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs