小红书
商业算法实习生—base上海通用岗
商业算法实习生—base上海通用岗
发布于 1 天前实习/见习
上海市
无经验要求
实习生
仅现场办公
本科
研究与开发 (研发)
机器学习
深度学习
PyTorch
强化学习
TensorFlow
LLM
推荐系统
广告算法
Cvr预估
AI 估算 · 6k–8k
小红书为超大型互联网公司，算法实习生薪资在行业中有竞争力，平均约7000元/月，考虑实习周期通常为12个月。
职位详情
关于这个职位
该职位是小红书的商业算法实习生，主要参与广告算法相关的研究与开发，包括广告召回、排序、智能出价、大模型应用等方向
你将有机会接触真实广告业务场景，与团队一起优化广告投放效率和用户体验，适合对计算广告和机器学习有浓厚兴趣的同学
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
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
- 接触小红书真实广告业务，数据量大且场景丰富，积累行业经验
- 团队技术氛围好，有机会发表顶会论文
- 公司平台大，实习转正机会多，职业起点高
- 广告算法方向竞争激烈，需要持续学习前沿技术
- 实习工作强度较大，可能需要快速产出结果
- 适合对计算广告和机器学习有浓厚兴趣，具备较强编程和数学基础，希望在互联网大厂积累实战经验的在校生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法实习生成长为广告算法工程师，独立负责核心策略模块
- 可深入大模型方向，成为AIGC在广告领域落地的专家
- 未来可晋升为技术主管或广告算法架构师
- 参与广告召回、排序等核心模型的迭代，优化CTR/CVR预估和用户体验
- 探索智能出价、预算分配等策略，利用强化学习或生成式模型提升投放效率
- 应用大模型技术进行广告内容理解和创意生成，提升广告相关性
- 扎实的机器学习和深度学习基础，熟悉推荐系统或计算广告
- 熟练使用PyTorch或TensorFlow，具备Python编程能力
- 具备数据分析能力，能快速验证算法效果
申请策略
- 提前了解小红书的广告产品（如信息流、电商广告），面试时展示对业务的思考
- 突出相关项目经验，如广告算法、推荐系统或大模型应用项目
- 强调编程能力和深度学习框架的使用熟练度
- 如有论文发表或竞赛获奖，务必列出
- 补充广告算法基础知识，如CTR预估模型（DeepFM、DIN等）
- 学习大模型相关技术，如Prompt Engineering、LoRA微调
面试指南
- 结构化回答：先明确问题定义，再拆解关键点，最后提出方案或思路
- 结合项目：用实际案例支撑回答，展示分析能力和落地经验
- 如何设计一个CTR预估模型？请从特征工程到模型结构详述
- 讲解一下你参与过的广告算法项目，你负责了哪些部分？
- 针对冷启动广告，你会如何优化出价策略？
- 大模型在广告领域有哪些应用场景？请举例说明
- 复习推荐系统和计算广告的核心知识，如召回排序、竞价机制
- 准备一个完整的项目讲解，包括背景、方法、结果和反思
职位点评
66
综合评分
小红书算法实习，前沿技术栈，高成长性，但工作强度较大。
更适合这类人
适合追求技术成长、能够接受一定工作强度的同学，不适合追求高薪资或高WLB的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展95
工作生活40
使命价值70
薪资福利
60中等
实习薪资在行业中等偏上，但无明确福利说明，稳定性一般。
薪资信号未披露（AI估算：6K-8K/月）
成长发展
95较高
职位提供大量学习机会，接触前沿算法（大模型、强化学习）和真实业务场景，技能成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、强化学习、多模态、Agent、RAG、CTR预估
成长机会研究方向、探索、建设、优化
业务类型profit_center
工作生活
40较低
仅现场办公，地点在上海核心区域但未提弹性工作，实习可能强度较大。
工作模式仅现场办公
办公地点市区核心地段
加班情况JD含高强度暗示词
使命价值
70中等
广告算法是互联网核心业务，社会影响力中性，行业技术更新快，有创新空间。
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