小红书
模型开发工程师
模型开发工程师
发布于 1 天前普通员工/个人贡献者
杭州市 / 上海市
高级经验
全职员工
仅现场办公
学历未注明
强化学习
深度学习框架
推理优化
SGLang
vLLM
PPO
大模型训练
Grpo
AI 估算 · 35k–55k
该职位要求高级AI系统经验，属前沿技术岗，市场稀缺，薪资竞争力强，参考上海/杭州一线互联网大厂水平。
职位详情
关于这个职位
该职位负责小红书内容安全场景下Agentic RL训推一体基础设施的建设，涉及训练框架、推理系统、Agent执行框架等核心子系统
你将主导多轮轨迹建模、长上下文训练优化、强化学习稳定性等复杂问题的技术拆解与落地，推动模型在真实审核场景中的效果与效率提升
这是一个结合模型、系统和Agent的交叉岗位，需要深入框架内核并做出系统级的架构判断
最低要求
工程能力扎实，具备复杂 AI 系统（训练或推理）从设计到落地的完整经验，能够独立负责一个子系统并对其长期演进负责，具备深入主流框架进行定制化改造能力
理解强化学习核心算法（如 PPO / GRPO 等）及其在大模型或 Agent 场景中的应用，有端到端 Agent 训练或多轮交互系统的实践经验
具备推理优化实战经验，熟悉 vLLM、SGLang 等推理框架，理解 KV Cache、Batching、并行调度等关键机制
工作职责
负责 Agentic RL 训推一体基础设施中一个或多个核心子系统（如训练框架、推理系统、Agent 执行框架等）的设计与落地，并对其长期演进负责
主导复杂问题的技术拆解与方案设计，例如多轮轨迹建模、长上下文训练效率优化、强化学习稳定性提升等，并推动工程实现
构建并优化大模型训练与推理链路，提升系统在真实审核场景下的效果与效率，系统性降低推理成本
推动 Agent 工程体系建设（Tool Use、Multi-Agent 协同、任务编排等），将复杂审核任务抽象为可复用的系统能力
建立训练-评测-推理的闭环反馈机制，推进 Agent 与模型的协同优化（co-optimization）
AI 洞察
优缺点分析
优点
- 小红书作为大型互联网平台，提供丰富的数据和业务场景，技术落地价值高
- 团队协作紧密，与算法、产品、工程协同，能快速积累跨领域经验
- 技术复杂度高，需要同时掌握模型训练、推理优化和系统工程，学习曲线陡峭
- 岗位处于快速发展阶段，方向可能随业务调整，需要较强的适应能力
缺点 / 挑战
- 参与前沿的Agentic RL与内容安全结合的项目，技术挑战高，成长空间大
- 业务场景要求高，需在效果与成本之间平衡，可能面临较大的工程压力
- 适合具备扎实AI系统背景、热爱挑战、希望在Agent与RL基础设施方向深耕的技术工程师
角色解读
- 深耕AI基础设施领域，成为训练或推理系统的技术专家
- 向技术负责人发展，带领团队规划并落地更复杂的系统架构
- 横向拓展至模型算法、Agent产品等方向，成为AI全栈人才
- 设计并实现Agentic RL训推一体基础设施的核心子系统，如训练框架与推理系统
- 主导多轮轨迹建模、长上下文训练优化等复杂技术问题的方案设计与工程落地
- 优化大模型训练与推理链路，提升系统效果并降低推理成本
- 推进Agent工程体系建设，包括Tool Use、多Agent协同及任务编排
- 扎实的工程能力，具备复杂AI系统（训练或推理）从0到1的完整落地经验
- 深入理解强化学习算法（如PPO/GRPO）及其在大模型或Agent场景的应用
- 熟悉推理优化，掌握vLLM、SGLang等框架及KV Cache、Batching等机制
- 具备系统级架构判断力，能深入框架内核进行定制化改造
申请策略
- 简历中量化过往项目的效果提升（如训练加速比、推理成本降低百分比等）
- 提前了解小红书面向内容安全的业务需求，思考Agentic RL的潜在应用场景
- 突出你在训练或推理框架上的定制改造经验，如修改过PyTorch、vLLM的源码
- 强调强化学习项目实践，特别是PPO/GRPO在Agent或游戏中的应用
- 展示系统级设计能力，如你独立负责过的子系统架构与优化成果
- 如有推理优化相关量化、剪枝、KV Cache等经验，务必重点描述
- 如果缺乏端到端Agent训练经验，可以自己实现一个简单的RL训练脚本并理解流程
- 补充对vLLM、SGLang等推理框架的源码理解，特别是调度和显存管理
面试指南
- 针对系统设计题，采用「问题定义->方案对比->关键设计->trade-off」的结构
- 对于算法/优化题，先解释原理，再结合具体场景的瓶颈，最后给出可选方案和取舍
- 请描述你如何设计一个Agentic RL的训练-推理闭环系统？
- 在PPO算法中，如何处理长上下文带来的计算和内存挑战？
- vLLM的KV Cache管理是如何工作的？如果优化推理系统，你会从哪些方面入手？
- 你是如何将一个子系统从方案设计到工程落地的？举个具体例子
- 如果Agent在多轮交互中表现不稳定，你会如何分析并改进？
- 复习强化学习基础（PPO、GRPO）和大模型训练/推理的核心技术栈
匹配度报告
69
综合匹配度
前沿Agentic RL技术岗，高成长高挑战，薪资优厚但工作强度可能较大。
适合人群
适合追求技术成长、愿意迎接高难度挑战、对AI基础设施和创新有热情的工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利匹配
75中等
该职位薪资处于互联网大厂高端水平，但未提及具体福利，补偿动机满足较好。
薪资信号未披露（AI估算：35K-55K/月）
成长发展匹配
90较高
职位涉及前沿技术（Agentic RL、训推一体），挑战性高，成长空间大，发展动机得到强烈满足。
技术前沿前沿/新兴技术
技术栈强化学习、PPO、GRPO、vLLM、SGLang、Agent、大模型训练、推理优化
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性工作或WLB，且互联网公司AI岗位通常强度较大，生活动机满足有限。
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）
使命价值匹配
70中等
内容安全场景具有社会价值，但职位描述更侧重技术攻坚，使命动机中等。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs