小红书
商业算法实习生—base北京通用岗
商业算法实习生—base北京通用岗
发布于 3 小时前实习/见习
实习生仅现场办公算法优化工程师
算法优化工程师
Ctr/Cvr预估
Llm
Pytorch
Tensorflow
多模态
大模型
强化学习
推荐系统
计算广告
值不值得投
80综合评分
综合评分 80
核心商业算法实习岗，技术栈前沿且成长空间巨大，直接赋能业务变现，但工作节奏可能较快。
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，方便比较实习机会。
薪资怎么样
9千
比算法优化工程师中位数低
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 2130 个在招 · 其中算法优化工程师 19 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 350 个在招
职位详情
关于这个职位
该职位是小红书商业广告算法实习生，主要参与信息流、品牌、电商等广告场景的算法研究与优化
工作涵盖广告投放链路、智能出价策略、大模型在广告中的应用及行业场景建模等方向
适合对计算广告、推荐系统及大模型落地感兴趣的计算机相关专业在校生
最低要求
计算机、人工智能、电子信息、自动控制、软件工程、数学、统计学等相关专业，本科高年级或研究生在读优先
具备扎实的机器学习、深度学习基础，熟悉推荐系统、搜索广告、计算广告、CTR/CVR预估、NLP、多模态、大模型、强化学习、生成式学习等方向中的一项或多项
熟练掌握 PyTorch / TensorFlow 等至少一种深度学习框架
具备良好的编程能力，熟悉 Python，了解 Java / C++ / SQL 等语言或工具，具备扎实的数据结构与算法基础
具备优秀的数据分析、问题拆解和快速验证能力，对新技术充满好奇，乐于挑战复杂业务问题
工作职责
参与商业广告算法相关方向的研究、开发与优化，包括但不限于信息流广告、品牌广告、线索广告、电商广告等业务场景
如对某一方向有意向投递简历时需备注，无备注默认分配
实习生根据团队方向和个人背景，承担以下一个或多个方向的工作：
广告投放链路算法优化：参与广告召回、粗排、精排、混排等核心模型的建设与迭代
优化CTR/CVR/转化价值预估、用户行为建模、广告相关性与排序策略，提升广告投放效率和用户体验
智能出价与投放策略优化：参与智能出价、预算分配、流量策略、机制策略等方向的算法建设
探索强化学习、MPC、生成式建模、Agent等技术在自动化出价和投放决策中的应用
支持冷启动、拉新、大促、深转化、长周期归因等典型商业场景的策略优化
大模型与生成式AI在广告中的应用：利用LLM、多模态大模型等技术进行广告内容理解、用户意图理解、特征语义化增强
探索RAG、Agent、Prompt Engineering、SFT/RLHF等技术在广告投放自动化、广告主工具、创意生成等场景中的落地
参与广告文案/素材生成、质量评估、创意优化等相关算法建设
行业场景与业务目标优化：面向电商、线索、品牌、信息流等不同广告业务，结合行业特点进行深度建模与策略优化
参与直播、短剧小说、游戏、网服工具、电商大促等垂类场景的广告算法优化
针对延迟转化、样本稀疏、跨域数据利用、多模态信息融合等问题进行建模探索和效果提升
优先资格
有广告算法、推荐系统、搜索、用户行为建模、智能出价、AIGC、LLM Agent、多模态生成等相关项目经验者优先
在 KDD / WWW / NeurIPS / ICML / ICLR / CVPR / ICCV / ECCV / ACL / SIGIR / AAAI 等机器学习、数据挖掘、人工智能相关会议发表论文者优先
AI 洞察
优缺点分析
优点
- 接触国内顶尖的计算广告业务场景，拥有海量数据与丰富的落地机会，技术成长极快
- 大模型与广告业务的结合是当前行业最前沿的方向，能积累稀缺的LLM/Agent商业化落地经验
- 平台资源丰厚，团队技术氛围好，对实习生有较好的培养体系与业务授权
- 需要快速跟进大模型等前沿技术并解决工程落地问题，技术迭代快，学习强度较大
- 适合对计算广告、推荐系统或大模型商业化落地有强烈兴趣，且具备扎实算法基础的计算机相关专业在校生
缺点 / 挑战
- 广告算法对业务指标（如CTR、CVR、营收）要求极高，面临较大的线上效果优化压力
角色解读
- 在计算广告与大模型结合的前沿领域积累实战经验，成长为懂算法又懂商业变现的复合型算法专家
- 未来可向广告算法架构师、推荐系统专家或AI大模型落地业务负责人等方向发展
- 参与商业广告算法的核心链路优化，包括召回、粗排、精排、混排等模型的建设与迭代
- 探索智能出价、预算分配及强化学习等技术在自动化投放决策中的应用
- 利用大模型（LLM、多模态）进行广告内容理解、创意生成及RAG/Agent等技术的落地
- 针对电商、直播、短剧等垂类场景进行深度建模，解决延迟转化、样本稀疏等业务难题
- 扎实的机器学习与深度学习基础，熟悉推荐系统、计算广告、CTR/CVR预估等方向
- 熟练掌握PyTorch或TensorFlow等深度学习框架，具备优秀的Python编程及数据结构基础
- 了解大模型、强化学习或多模态技术，具备数据分析与复杂问题拆解能力
申请策略
- 投递时务必在简历中备注感兴趣的具体方向（如投放链路、智能出价、大模型应用等），以便精准匹配团队
- 突出在CTR/CVR预估、推荐系统或智能出价等广告核心方向的项目经验与业务收益
- 展示大模型（LLM、多模态、Agent）或强化学习在相关场景中的应用成果及论文发表情况
- 强调扎实的编程能力（Python/C++）与深度学习框架（PyTorch）的熟练使用程度
- 深入学习计算广告经典理论及最新的大模型在推荐/广告中的应用论文（如KDD、WWW等）
- 动手复现或优化开源的广告/推荐算法模型，提升对复杂业务场景的建模与调优能力
面试指南
- STAR法则：结合具体项目，说明背景、面临的挑战、采取的技术方案（如模型改进、特征构造）及最终的业务指标提升
- 理论+实践：先阐述算法原理（如强化学习、多模态融合），再结合业务场景说明如何落地并解决实际痛点
- 请详细介绍你过往在CTR/CVR预估或推荐系统项目中的模型结构与优化思路
- 如果广告点击率预估出现样本稀疏或延迟转化问题，你会如何从特征工程或模型结构上解决？
- 谈谈你对大模型（如LLM、Agent）在广告创意生成或意图理解中落地的看法及实践经验
- 在智能出价或预算分配场景中，如何平衡探索与利用（EE问题）？
- 复习推荐系统与计算广告的核心算法（如DeepFM、DIN、DQN等），并了解小红书广告业务的基本逻辑
- 准备1-2个大模型或前沿技术在业务中落地的深度案例，能够清晰讲解技术细节与踩坑经验
职位点评
薪资福利75
成长发展95
工作生活60
使命价值80
薪资福利
75中等
作为核心算法实习岗，实习津贴处于市场较高水平，但实习生通常不享受正式员工的长期福利与年终奖。
薪资信号未披露（AI估算：6千–1.1万/月）
成长发展
95较高
岗位涉及大模型、强化学习等前沿技术在核心商业场景的落地，技术栈极具前瞻性，且能接触海量数据与复杂业务，成长空间巨大。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、Python、LLM、RAG、Agent、强化学习、多模态、CTR/CVR
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式与WLB信息，但算法实习岗通常需跟进线上实验与业务迭代，工作节奏可能较快。
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
80较高
广告算法是互联网公司的核心变现引擎，业务价值高，且大模型在广告中的应用具有行业开拓性意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs