小红书
Dots-Posttrain算法工程师-General Agent
Dots-Posttrain算法工程师-General Agent
发布于 3 天前普通员工/个人贡献者
北京市 / 上海市
高级经验
全职员工
仅现场办公
学历未注明
NLP
PyTorch
强化学习
推理
CV
工具使用
多模态大模型
RLHF
Ai Alignment
AI 估算 · 30k–60k
高级算法工程师岗位，技能稀缺（强化学习、多模态），小红书平台竞争力强，薪资处于市场高位。
职位详情
关于这个职位
该职位专注于利用强化学习方法对多模态大模型进行对齐与优化，解决RLHF中的训练稳定性、Reward Hacking等难题，并探索计算扩展对模型能力提升的方法
你将研究Multi-Agent、长期目标等前沿对齐技术，针对性优化幻觉、推理、工具使用等场景，提升大模型应用价值
适合具备扎实机器学习基础（如PyTorch）、在NLP/CV/RL领域有深入研究和实践经验，对大模型对齐有热情的候选人
最低要求
具备扎实的机器学习基础，能熟练使用至少一种深度学习框架（e.g. PyTorch、Jax、TensorFlow、MindSpore、PaddlePaddle）
对监督学习、强化学习、表示学习等机器学习方法有深入理解并具备相关的实践经验
在 NLP/CV/RL 等至少一个 AI 领域中有过深入的研究经历，或通过机器学习算法解决过复杂业务场景问题
具备卓越的实验分析与问题解决能力，有创新思维，能够良好沟通、与团队成员高效协作
工作职责
利用强化学习方法对多模态大模型进行对齐：
解决优化现有多模态大模型 RLHF 中的训练效果、稳定性、Reward Hacking 等问题
探索 RL 阶段 computaiton scaling 对模型能力提升的方法
研究 Multi-Agent、Long-term Objective、Scalable Oversight 等方向下基于强化学习的对齐方法
基于前沿方法对幻觉、推理、工具使用、安全等场景问题进行针对性优化，提升大模型的应用价值
优先资格
加分项：
对大模型 RL 技术有极大热情
有 ICML、ICLR、NeurIPS、ACL、CVPR、AAAI 等顶级学术会议发表过有影响力研究成果的优先
主导、参与过 AI 相关的有大影响力的开源/闭源项目的优先
有 AI Alignment 相关研究或大模型应用项目经历的优先
AI 洞察
优缺点分析
优点
- 小红书平台资源丰富，业务场景多样，研究成果可快速落地
- 与顶尖团队合作（可能参与顶会发表），职业发展空间大
- 技术难度高，需精通强化学习和大模型，持续跟进前沿论文
- 工作强度可能较大，需应对快速迭代的研发节奏
- 竞争激烈，需具备较强的创新和问题解决能力
- 适合对大模型对齐有极大热情、具备扎实ML基础和研究能力、渴望在技术前沿突破的算法工程师
缺点 / 挑战
- 身处大模型最前沿领域，接触顶级技术挑战，快速积累稀缺经验
角色解读
- 技术深度方向：成为强化学习对齐专家，主导大模型核心能力提升
- 技术广度方向：扩展到多模态、Agent等前沿领域，成为全栈AI科学家
- 管理方向：带领团队攻克关键技术难题，向技术总监或首席科学家发展
- 优化多模态大模型的RLHF训练，解决效果和稳定性问题，如Reward Hacking
- 探索强化学习阶段计算量扩展（computation scaling）对模型能力的提升方法
- 研究Multi-Agent、长期目标、可扩展监督等前沿对齐方向，应用于幻觉、推理、工具使用等具体场景
- 扎实的机器学习基础，熟练使用PyTorch等深度学习框架
- 深入理解监督学习、强化学习、表示学习，并有实践经验
- 在NLP、CV或RL领域有深入研究或复杂业务解决经验，具备创新和协作能力
申请策略
- 提前了解小红书在通用Agent和多模态方面的技术布局，在简历和面试中表达匹配度
- 准备一个技术分享，展示自己在大模型对齐上的深度思考
- 突出强化学习或RLHF相关项目经验，量化效果提升
- 强调多模态、NLP/CV等领域的顶会论文或开源贡献
- 展示解决复杂问题的实验分析能力（如Reward Hacking的案例）
- 深入理解RLHF原理，动手复现主流对齐方法（如PPO、DPO）
- 熟悉多模态大模型架构（如CLIP、BLIP2等）
- 加强编程和工程能力，熟练使用PyTorch和分布式训练工具
面试指南
- 结构化回答：先定义问题，再分解步骤，最后举例或引用论文
- 突出实验经验：结合具体项目说明所做的优化和结果
- 展示前沿认知：提及最新研究（如ICML等会议论文）并给出个人思考
- 请解释RLHF的完整流程，并说明如何解决Reward Hacking问题？
- 如何将强化学习应用于多模态大模型的对齐？举例说明
- 你如何设计实验来评估对齐效果？
- Multi-Agent场景下，强化学习对齐面临哪些挑战？
- 你对Scalable Oversight的理解是什么？有哪些可行方法？
匹配度报告
72
综合匹配度
小红书大模型核心算法岗，前沿技术栈，高成长但WLB一般。
适合人群
最适合追求技术前沿和快速成长的求职者，愿意接受一定的工作强度以换取顶尖技术积累。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利匹配
85较高
小红书作为头部互联网公司，薪资福利具有竞争力，但JD未明确薪资，需面试确认。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
95较高
该职位处于AI最前沿，涉及强化学习、多模态、Agent等，技术成长空间极大，且公司平台能支撑研究落地。
技术前沿前沿/新兴技术
技术栈强化学习、多模态大模型、RLHF、PyTorch、NLP、CV、AI Alignment
业务类型profit_center
工作生活匹配
40较低
JD未提及远程或弹性工作，且互联网大厂算法岗位通常工作强度较高，WLB可能一般。
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）
使命价值匹配
70中等
大模型对齐具有推动AI安全与价值的重要社会意义，但公司业务本质是商业化，使命感中等。
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