小红书
【REDstar】基础模型算法工程师-Post-training
【REDstar】基础模型算法工程师-Post-training
发布于 26 分钟前普通员工/个人贡献者
北京市 / 上海市
无经验要求
全职员工
仅现场办公
本科
研究与开发 (研发)
Agentic
Deepspeed
Grpo
Llm
Megatron-Lm
Post-Training
Pytorch
Reasoning
Sft
AI 估算 · 20k–30k
小红书校招核心算法岗，技术前沿，竞争激烈，薪资处于大厂第一梯队，结合北京上海水平估算。
职位详情
关于这个职位
作为小红书REDstar基础模型算法工程师，你将专注于大语言模型（LLM）和视觉语言模型（VLM）的Post-training，通过强化学习、对齐技术和模型优化，提升模型在推理、Agent能力及多模态理解上的表现
该岗位直接支撑搜索、广告、推荐、电商等核心业务场景，是打造小红书智能大脑的关键角色
最低要求
本科及以上学历，计算机、人工智能和数学等相关专业
深入理解 Transformer 架构及大模型训练全流程
熟悉主流 VLM 架构（如 LLaVA, Qwen-VL, InternVL 等）
在计算机视觉（CV）、多模态学习 或 视频理解 领域有深入研究
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
熟练使用 PyTorch，有DeepSpeed、Megatron-LM 或 Ray 等大规模分布式训练实战经验，或熟悉多模态模型的数据预处理流水线及大规模多机多卡训练
工作职责
LLM Post-training方向：
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，提升模型在的 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
VLM Post-training方向：
负责 VLM 的 SFT/RL/Post-training 流程，提升图文、视频与文本之间的语义对齐和指令遵循能力
构建视觉 Reasoning 能力，提升模型在复杂图文理解、视频时序理解、多图推理、空间关系推理等任务上的表现
研发多模态 Agent 能力，使模型能够进行任务分解、计划生成、工具调用、结果验证和自我修正
建设 VLM Tool-use 能力，支持搜索、知识库、商品库、OCR、ASR、视频分析、审核规则等内部工具调用
优化长视频理解和多帧推理能力，提升模型对视频内容、事件、时序关系和深层语义的理解效率
面向小红书搜索、推荐、广告、电商、审核和内容创作等业务场景，构建数据、训练、评测和上线闭环
优先资格
加分项：
在 NeurIPS, ICML, ICLR, ACL, CVPR, ICCV, ECCV, 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
AI 洞察
优缺点分析
优点
- 身处大模型最热门的方向——Post-training，技术前沿且需求旺盛，知识积累具有长期价值
- 小红书拥有独特且丰富的UGC数据生态，尤其适合多模态模型的训练与迭代
- 公司处于C轮后超大型规模，核心算法岗位资源倾斜，薪资和成长空间可观
- 工作内容直接支撑搜索、广告、电商等关键业务，成就感强，技术影响力大
- 强化学习与对齐技术仍处于探索阶段，实验周期长、调参复杂，需要较强的研究耐心
- 多模态数据处理和分布式训练对工程能力要求高，可能出现频繁实验和Debug
- 适合对LLM/VLM有强烈热情、具备扎实深度学习功底和一定研究经验的同学，尤其适合希望在强化学习、对齐或多模态方向深耕的求职者
缺点 / 挑战
- 大模型领域迭代极快，需要持续学习最新论文和开源项目，技术压力较大
角色解读
- 从Post-training算法工程师起步，逐步成长为LLM/VLM领域的技术专家，主导核心模型优化方向
- 可横向拓展至模型预训练、推理加速或AI Agent全栈开发，成为大模型全链路专家
- 未来有机会晋升为技术Leader，带领团队攻克业界前沿难题，影响小红书亿级用户的AI体验
- 专注于LLM和VLM的Post-training，通过强化学习与对齐技术提升模型在推理、Agent及多模态理解上的能力
- 研发和优化SFT、RL算法，构建Reward Model，解决复杂指令对齐问题
- 探索长链推理、Agent强化学习及合成数据技术，推动模型自我进化
- 支持搜索、广告、推荐等核心业务场景，将模型能力落地到实际应用中
- 深入理解Transformer架构和大模型训练全流程，熟悉主流VLM架构如LLaVA、Qwen-VL等
- 精通PyTorch及分布式训练框架如DeepSpeed、Megatron-LM或Ray
- 在RL、alignment、Search、Code或tool-use等领域有深厚积累
- 具备计算机视觉、多模态学习或视频理解的研究背景
申请策略
- 面试前准备一个你主导或深入参与的大模型项目，能够清晰讲述问题定义、方法、实验对比和最终效果
- 关注小红书技术团队的学术动态，如果有机会参加线下交流或竞赛，可增加曝光度
- 突出大模型相关的项目经验，特别是Post-training、RLHF、SFT等实际调优经历
- 强调分布式训练框架（DeepSpeed、Megatron-LM）的使用经验，以及大规模数据处理能力
- 如有顶会论文或公开Benchmark排名，务必醒目展示，这是加分项
- 展示你对小红书业务场景的理解，如搜索、推荐、电商中AI的应用思考
- 动手实现一个简单的RLHF流程（如使用TRL库），加深对PPO/GRPO等算法的理解
- 熟悉主流VLM架构的代码库，如LLaVA、Qwen-VL，尝试进行微调或评估
面试指南
- 对于技术原理问题，先阐述核心概念，再结合实际项目经验，最后提出你的见解或改进点
- 对于场景应用题，先分析业务需求，再拆解技术方案，分步骤说明数据、模型、评估的全链路设计
- 对于开放性问题，保持逻辑清晰，从基础到进阶，并展示你对前沿技术的跟踪
- 请详细介绍你在大模型Post-training方面的项目经验，包括使用的算法、数据和效果
- 对比SFT和RL在校准任务上的优缺点，谈谈你对Reward Model设计的理解
- 解释GRPO的原理及与PPO的差异，你如何在实践中选择？
- 在多模态模型训练中，如何处理图文数据对齐？请举例说明
- 如果让你提升小红书搜索场景下的LLM回答质量，你会从哪些方面入手？
职位点评
77
综合评分
前沿技术、高薪高压、顶级成长空间，适合技术狂热者。
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。
更适合这类人
最适合追求技术成长和职业发展、愿意投入高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
小红书作为超大型互联网公司，为校招核心算法岗提供极具竞争力的薪酬和福利，包括年终奖、股票期权等，补偿性动机满足度较高。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
95较高
该岗位处于大模型技术最前沿，涉及LLM/VLM Post-training、强化学习等热门方向，成长空间极大，且公司鼓励创新和论文发表，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈LLM、VLM、强化学习、GRPO、SFT、Reasoning、Agentic、多模态
业务类型profit_center
工作生活
40较低
JD未明确办公模式和WLB情况，但互联网大厂核心岗通常工作强度较大，可能需要加班，生活化动机满足度较低。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
大模型技术对社会和行业有深远影响，小红书平台具有数亿用户，模型能力提升能直接改善用户体验，但使命导向不够强烈。
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
小红书 的其他在招职位
相似职位推荐
Watch Jobs