小红书
【2027校招】机器学习框架工程师-搜广推方向
【2027校招】机器学习框架工程师-搜广推方向
发布于 大约 14 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
Cuda
Tensorflow Serving
Tensorrt
异构计算
搜广推
深度学习框架
特征工程
值不值得投
85综合评分
综合评分 85
前沿技术栈、高成长性、业务价值明确、薪资有竞争力，是校招技术岗的优质选择。
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
30K
比机器学习工程中位数高
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 1400 个在招 · 其中机器学习工程 16 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 420 个在招
职位详情
关于这个职位
加入小红书搜索引擎架构部，负责搜广推深度学习模型训练和推理框架的架构设计与核心研发
你的工作将直接影响公司核心搜索、推荐、广告业务的模型工程化能力与迭代效率，推动机器学习基础设施的架构演进，并解决算法在GPU/XPU等异构芯片上规模落地的性能挑战
最低要求
本科及以上学历，计算机等相关专业，学习能力强，有高并发、高可用系统设计研发经验
精通C/C++，具备扎实的系统底层能力（内存、并发、网络），有大型系统开发经验
良好的架构设计能力和团队合作精神，能独立承担任务，有把控项目进度的能力，工作有逻辑条理
熟悉TensorFlow Serving、TensorRT、OpenXLA、ONNX Runtime、Torch Inductor等机器学习框架的其中一种
工作职责
负责搜广推深度学习模型训练和推理深度学习框架的架构设计和研发，以co-design方式推动小红书核心搜广推Machine Learning Infra的架构演进，提升算法研发/迭代效率，保障搜广推整体链路稳定性
根据搜广推的特征和样本，构建大规模在离线特征/样本计算引擎，支撑批式/流式场景的特征/样本计算和分析
能深入理解产品和业务，满足算法与产品在模型工程上的需求，解决搜广推算法工程化的问题，支撑业务快速发展
分析现有搜广推训推链路的不足，定位搜广推训推瓶颈，提升搜广推训推整体性能
优先资格
主导或核心参与过机器学习服务平台或者搜推广系统
熟悉搜索、推荐、广告系统，有相关开发经验
有异构/国产芯片深度学习框架研发经验，熟悉CUDA，Ascend C，Triton，Tilelang，CuTe DSL等异构计算框架
在RecSys、TorchRec、TVM、LLVM等社区有持续代码贡献
或有高质量技术博客、GitHub Repo、顶会论文（OSDI、SOSP、MLSys、KDD、RecSys 等）
AI 洞察
优缺点分析
优点
- 业务价值明确，所做的优化能直接影响千万级用户的体验
- 处于搜广推与LLM等前沿场景交叉点，技术视野开阔
- 技术深度要求高，需要同时具备扎实的C++系统能力和对机器学习框架的深刻理解
- 作为校招生，需快速适应大型系统的复杂性和工程规范
缺点 / 挑战
- 技术挑战性强，直接接触搜索推荐广告核心链路的高性能计算问题
- 需要与算法、产品等多个团队紧密协作（co-design），沟通成本较高
- 适合计算机基础扎实（尤其是C++和系统知识）、对机器学习系统底层实现有浓厚兴趣、乐于解决复杂工程挑战、并希望自己的工作能直接驱动业务增长的技术型校招生
角色解读
- 技术专家路线：深入框架底层、异构计算优化，成为特定领域的资深专家
- 技术管理路线：负责小组或更大范围的基础设施团队，引领技术方向与团队建设
- 负责搜广推业务线深度学习模型的训练和推理框架的架构设计与核心研发
- 构建大规模特征/样本计算引擎，并深入业务解决模型工程化问题，最终提升整体性能与研发效率
- 精通C/C++及系统底层原理（内存、并发、网络）
- 熟悉至少一种主流深度学习框架（如TensorFlow Serving、TensorRT）
- 具备优秀的架构设计能力与项目把控力
申请策略
- 在简历和面试中，强调你对“性能”和“架构”的思考，这与岗位核心诉求高度匹配
- 准备一个能够体现你解决复杂系统工程问题能力的案例
- 关注小红书的技术博客和开源项目，了解其技术栈和社区贡献
- 突出精通C/C++的项目经历，最好涉及内存管理、并发编程或网络通信
- 展示对TensorFlow Serving、TensorRT等框架的实践经验或研究
- 列举与高性能计算、异构计算（CUDA）、特征工程或搜广推系统相关的项目或课程设计
- 如有开源贡献、技术博客或顶会论文，务必重点呈现
- 深入学习CUDA编程或一种异构计算框架（如Ascend C）
面试指南
- 对于框架原理类问题，从模型加载、计算图执行、算子调度、资源管理等模块进行拆解分析
- 对于系统设计类问题，从接口定义、并发模型（线程池/协程）、序列化、缓存、监控等角度构建方案
- 对于业务结合类问题，先理解模型核心结构（如特征交互、用户序列建模），再分析其计算量、内存占用、实时性要求等工程瓶颈
- 请解释一下TensorFlow Serving的架构，并讨论其可能的性能瓶颈
- 在C++中，如何设计一个高并发、低延迟的特征服务接口？3、你了解哪些搜广推领域的深度学习模型（如DeepFM、DIN），它们在工程化部署时可能面临哪些挑战？4、描述一个你优化过的复杂系统的性能瓶颈及你的解决思路
- 复习C++11/14/17核心特性、智能指针、STL容器与算法、多线程编程
- 阅读至少一个推荐系统模型（如DeepFM）的论文或开源实现，并思考其部署细节
- 准备1-2个你主导或深入参与的系统开发/优化项目的详细复盘
职位点评
薪资福利75
成长发展95
工作生活80
使命价值85
薪资福利
75中等
该职位为校招岗位，薪资福利处于市场有竞争力的水准，但未在JD中明确具体数字和详细福利，具体保障需在后续环节确认。
薪资信号市场水准 (20K-40K/月)
成长发展
95较高
该职位直接面向机器学习基础设施的核心架构设计，技术前沿性强（涉及LLM、异构计算、生成式推荐），且JD明确提到了“推动架构演进”、“前沿场景”等成长信号，是极佳的技术成长平台。
技术前沿前沿/新兴技术
技术栈C++、CUDA、TensorFlow Serving、TensorRT、ONNX Runtime、LLVM、搜广推、深度学习框架
成长机会推动架构演进、前沿场景、SOTA训练/推理引擎
业务类型profit_center
工作生活
80较高
JD未明确提及工作模式，但作为大型互联网公司的现场办公技术岗，预期工作地点固定。职位提供北京、上海、深圳三个一线城市的选项，具有一定灵活性。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
支撑小红书核心搜广推业务，直接影响亿级用户体验，技术工作有明确的业务产出和社会价值体现。所用技术处于行业前沿，创新空间大。
行业发展高速增长赛道
社会影响中性/一般
使命信号支撑业务快速发展、保障整体链路稳定性
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