小红书
【2027校招】电商算法工程师
【2027校招】电商算法工程师
发布于 15 分钟前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
Llm
Nlp
推荐系统
搜索算法
数据挖掘
机器学习
生成式Ai
值不值得投
76综合评分
综合评分 76
技术前沿的电商算法校招岗，成长性突出，薪资有竞争力，但工作地点和强度需确认。
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
33K
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 1330 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
这是小红书面向2027届校招的电商算法工程师岗位
你将参与电商“种草到拔草”的全流程算法优化，核心工作包括电商推荐、电商搜索、用户增长、商家成长及国际化场景的算法研发
你需要利用大语言模型、多模态大模型等前沿AI技术，在亿级流量下解决真实的业务问题，驱动平台的GMV和用户体验增长
最低要求
本科及以上学历，计算机相关专业，有大型搜索引擎、广告系统、推荐系统相关实习或项目经历者优先
出色的机器学习、NLP和数据挖掘基础，对查询分析、相关性、机器学习排序有深刻的理解和应用经验
具有出色的编码能力，良好的编程习惯，数据结构和算法基础扎实，至少熟练掌握 Java/C++/Python 中的一种
对数据敏感，具有优秀的逻辑思维能力，善于分析问题、解决问题
有良好的沟通能力和跨团队协作能力，具备出色的规划、执行力，强烈的责任感，以及优秀的学习能力
工作职责
电商推荐：参与电商推荐系统全链路算法优化，包括召回、粗排、精排、重排等环节
重点探索大语言模型、多模态大模型与生成式AI在用户画像、商品理解、特征增强和排序建模中的深度结合，打造大模型驱动的新一代电商推荐系统，持续提升点击率、转化率与GMV
电商搜索：参与电商搜索核心算法设计与优化，覆盖Query理解、召回、排序、相关性等环节
重点探索大语言模型、生成式AI等技术在搜索中的融合应用，包括LLM驱动的Query改写与意图识别、RAG与对话式搜索等，构建AI原生电商搜索体验，提升搜索相关性、转化率与用户体验
用户增长与智能营销：参与电商营销增长智能决策体系建设，基于因果推断与 uplift 模型支撑优惠券、红包等个性化发放，结合运筹优化求解「预算-人群-权益」最优匹配，并探索 LLM 与 Multi-Agent 在策略生成中的应用
商家成长与流量机制：参与多目标融合排序与流量分配机制设计，权衡用户体验、商家生态与平台收益
利用大模型能力，面向商家成长做搜推流量激励策略建模与供给侧诊断，提升新商家、新商品的冷启动与成长效率
国际化：参与海外电商分发全链路算法研发，包括搜索、推荐等场景
在跨市场、多语言场景下提升核心业务指标
探索跨域迁移加速市场冷启动
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与LLM、生成式AI在亿级流量场景的落地，技术含金量高
- 业务场景复杂且价值高：电商全链路算法优化直接影响GMV，成就感强
- 技术难度高：需要快速掌握和应用前沿AI技术，并与复杂业务场景结合
- 跨团队协作要求高：算法工作需与产品、工程、运营等多方紧密配合
- 适合对推荐系统、搜索算法有浓厚兴趣，具备扎实机器学习基础，渴望在复杂业务场景中应用前沿AI技术，并追求快速成长的计算机相关专业应届毕业生
缺点 / 挑战
- 平台成长空间大：小红书处于高速发展期，为算法工程师提供丰富的挑战和成长机会
- 业务压力与竞争：电商赛道竞争激烈，算法效果直接影响核心业务指标，对结果负责
角色解读
- 技术专家路线：深耕推荐/搜索/增长算法某个方向，成为领域技术专家或架构师
- 技术管理路线：随着项目经验积累，可带领小团队负责更大业务模块的算法工作
- 业务融合路线：深入理解电商“种草-拔草”闭环，成长为懂业务的技术负责人或产品经理
- 优化电商推荐与搜索的全链路算法，提升GMV和用户体验
- 探索并应用大语言模型、生成式AI等前沿技术解决实际业务问题，如用户画像、Query改写
- 参与用户增长、商家成长策略的算法建模，涉及因果推断、运筹优化等
- 协助构建海外电商算法能力，进行跨市场、多语言的算法研发
- 扎实的机器学习、NLP和数据挖掘基础，深刻理解推荐/搜索排序原理
- 优秀的编程能力（Java/C++/Python至少一种），良好的工程素养
- 对数据敏感，具备强大的逻辑分析和问题解决能力
- 了解大语言模型、多模态模型在推荐/搜索领域的应用者具有明显优势
申请策略
- 深入研究小红书的电商业务模式、“种草”生态及其与传统电商的差异
- 了解小红书技术博客或分享，关注其在算法工程上的实践和思考
- 准备1-2个你认为可以应用于小红书电商场景的算法优化点或创意，在面试中展示你的业务思考
- 突出与电商、推荐、搜索相关的实习或项目经历，特别是涉及CTR/CVR预估、排序模型等
- 详细描述你在NLP、机器学习项目中解决的具体问题和取得的量化成果（如提升了XX%）
- 强调熟练掌握的编程语言及在实际项目中的应用，展示工程能力
- 如果有Kaggle竞赛、论文发表或开源项目经验，务必重点展示
- 深入复习推荐系统、搜索引擎的经典算法（如CF、LR、GBDT、DNN排序模型）
面试指南
- 项目经验类：使用STAR法则（情境、任务、行动、结果）结构化描述，突出个人贡献、技术难点和业务收益
- 技术方案类：先阐述问题背景和核心挑战，然后提出技术方案（经典方法+前沿探索），分析优缺点和可行性
- 业务理解类：结合对小红书业务的理解，从算法视角提出问题分析思路和解决方向
- 请详细介绍一个你做过的推荐/搜索相关项目，包括数据、模型选择、优化过程和最终效果
- 如何将大语言模型应用到电商推荐的召回或排序环节？请阐述你的思路
- 在电商场景下，如何衡量和提升一个新上线商品的冷启动效果？
- 对于用户增长中的优惠券发放策略，如何设计算法模型来平衡拉新和留存？
- 你如何看待电商搜索中Query改写和意图识别的重要性？有哪些技术方案？
职位点评
薪资福利75
成长发展85
工作生活60
使命价值80
薪资福利
75中等
作为一线互联网公司的校招算法岗，薪资和福利体系在应届生市场中具有竞争力，能提供较好的经济保障。
薪资信号市场水准 (25K-40K/月)
成长发展
85较高
该职位直接参与前沿AI技术（如LLM、多模态大模型）在核心业务场景的应用，技术挑战大，成长空间明确，能快速提升专业深度和业务理解。
技术前沿前沿/新兴技术
技术栈大语言模型、多模态大模型、生成式AI、机器学习、NLP、因果推断、Uplift模型、运筹优化
成长机会成长空间、成长效率
业务类型profit_center
工作生活
60中等
工作地点在多个核心城市，但未明确办公模式，推测以现场办公为主。作为核心业务岗位，工作强度可能较高，但JD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
电商是互联网核心增长赛道，该岗位直接驱动“种草-拔草”闭环，技术应用能直接看到业务数据增长，具有较强的价值感和成就感。
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
Watch Jobs