Xiaohongshu logo
小红书
AllSpark-多模态人机交互Agent 算法研究员

AllSpark-多模态人机交互Agent 算法研究员

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 4.0–7.0万 · AI 参考估算
专家级经验
学历未注明
全职员工仅现场办公AI算法
AI算法
Agent架构
Prompt Engineering
Pytorch
Sft
任务规划
多模态大模型
强化学习 (Rl)
意图识别

值不值得投

82综合评分

综合评分 82

前沿多模态Agent技术,高薪高挑战,适合追求技术极致的资深研究员

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 2460 个在招 · 其中AI算法 14 个

市场机会

选择面较广

北京 · AI算法 · 约 230 个在招

职位详情

关于这个职位

负责小红书多模态人机交互Agent的核心算法研发,聚焦意图识别、任务规划及多Agent协作能力

基于自研模型开展SFT、偏好优化与强化学习,提升推理与指令遵循能力,并研究长期记忆与用户偏好建模,打造服务亿级用户的日常生活决策助手

最低要求

在Agentic RL、Memory/Context Management、个性化、Computer-use或Code Agent等方向有深入研究或落地经验,熟悉主流Agent Harness的设计与实践

具备良好的产品判断、问题拆解与工程能力,能够从真实用户需求出发,独立推动实验、分析和效果落地,熟练使用AI工具提升研发效率
有大规模C端产品经验、高质量开源项目、主流Benchmark突出成果,或在ACL、EMNLP、ICLR、NeurIPS、ICML、CVPR、ICASSP等会议发表论文者优先

工作职责

研发意图识别、任务规划、工具调用及多Agent协作能力,结合Agent Harness,提升复杂任务的完成率、执行可靠性与在线效率

基于自研模型,开展SFT、偏好优化与强化学习,提升推理、指令遵循、工具使用及符合社区语境的表达能力
研究长期记忆、上下文管理、用户偏好建模与反馈学习,让Agent在持续交互中理解用户、适应需求

AI 洞察

优缺点分析

优点

  • 接触业界最前沿的Agent技术和多模态大模型,技术栈极具竞争力
  • 依托小红书亿级用户平台,算法落地场景丰富,数据量大且真实
  • 团队由顶尖AI人才组成,有利于学术交流和职业背书
  • 技术迭代极快,需要持续高强度学习新知识和新技术
  • 跨部门协作多,需平衡学术研究与实际业务需求

缺点 / 挑战

  • 对研究成果要求极高,需产出可落地的效果或顶会论文,压力较大
  • 适合在AI领域有深厚积累、追求技术极致、并能承受高压高挑战的资深算法研究员

角色解读

  • 成为多模态Agent领域的资深专家,主导公司核心AI战略方向
  • 向AI技术负责人或首席科学家方向发展,带领团队攻克更复杂的智能交互难题
  • 在学术界保持影响力,通过顶会论文确立行业领先地位
  • 研发多模态Agent的核心算法,包括意图识别、任务规划和工具调用,解决复杂场景下的用户交互问题
  • 利用自研大模型进行SFT(监督微调)、偏好优化和强化学习训练,提升模型的推理能力和指令遵循度
  • 构建长期记忆和用户偏好建模机制,使Agent能在持续交互中学习和适应用户需求
  • 精通Agentic RL、Memory/Context Management等前沿AI领域,熟悉主流Agent Harness框架
  • 具备扎实的机器学习基础,熟练掌握PyTorch等深度学习框架,有大规模模型训练经验
  • 拥有优秀的工程落地能力,能将算法转化为实际产品功能,并具备极强的问题解决和产品思维

申请策略

  • 准备详细的技术方案,展示如何将理论研究与小红书业务场景结合
  • 关注小红书的最新AI动态,体现对公司业务的深刻理解
  • 重点突出在Agentic RL、Memory管理等方向的深度研究及落地案例
  • 列出相关的顶会论文(ACL, NeurIPS等)及高质量开源项目贡献
  • 强调在大规模C端产品中解决实际问题的工程能力和业务影响力
  • 深入研读最新的Agent架构论文,掌握主流Agent Harness的使用
  • 强化强化学习与大模型结合的训练技巧,如PPO、DPO等
  • 提升多模态数据处理和理解的能力,特别是视觉与语音的结合

面试指南

  • 采用STAR法则(情境、任务、行动、结果)详细描述过往项目,突出技术难点和你的解决方案
  • 结合具体应用场景,阐述技术选型的理由及预期效果
  • 展示对行业趋势的洞察,说明你的研究如何契合未来发展方向
  • 请详细介绍你过往在Agentic RL或Memory管理方面的研究经历和具体贡献
  • 如何设计一个多Agent协作系统来处理复杂的用户意图?
  • 在大模型训练中,如何处理SFT与强化学习阶段的衔接与冲突?
  • 针对小红书的用户画像,你认为Agent应具备哪些关键特性?
  • 复习强化学习和大模型微调的核心算法原理

职位点评

薪资福利85
成长发展95
工作生活60
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,薪资福利处于行业第一梯队,具有极强的市场竞争力。

薪资信号未披露(AI估算:4.0千–7.0万/月)

成长发展

95较高

岗位直接涉及多模态Agent这一前沿领域,技术挑战性极高,能极大提升个人在AI领域的专业深度和行业影响力。

技术前沿前沿/新兴技术
技术栈Agentic RL、Memory/Context Management、SFT、强化学习、多模态、Agent Harness
业务类型profit_center

工作生活

60中等

大厂核心研发岗位通常伴随较高的工作强度和快节奏,但作为研究型岗位,可能在一定程度上允许弹性探索。

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

致力于打造服务亿级用户的日常生活决策助手,具有显著的社会价值和技术普惠意义,能带来强烈的成就感。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号服务亿级用户的日常生活决策助手
创新程度开拓性创新(行业首创)
Watch Jobs