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 大约 21 小时前实习/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
PyTorch
强化学习
计算广告
TensorFlow
推荐系统
多模态
大模型
Ctr/Cvr预估
AI 估算 · 4k–10k
上海互联网大厂算法实习薪资中上水平，技术含量高，有利于简历增值
职位详情
关于这个职位
作为商业算法实习生，你将加入小红书商业算法团队，参与广告召回、排序、出价策略及大模型应用等核心算法研发，深入理解互联网广告业务场景，积累实战经验
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
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
- 接触广告全链路和大模型前沿应用，技能积累丰富
- 实习薪资有竞争力，且有机会转正
- 需要快速学习和适应不同方向的算法任务，工作节奏可能较快
- 适合对广告算法或推荐系统有浓厚兴趣、具备扎实ML基础和自驱力的研究生或高年级本科生
缺点 / 挑战
- 小红书为内容社区头部平台，广告业务核心，技术挑战大，成长快
- 广告算法涉及复杂业务逻辑和实时系统，对工程能力要求较高
角色解读
- 实习期积累商业广告实战经验，可转正为正式算法工程师
- 深入广告行业，未来可向广告算法专家或推荐系统架构师发展
- 技术方向可拓展至大模型、多模态、强化学习等热门领域
- 参与广告算法全链路优化，包括召回、排序、出价等核心模型开发
- 利用大模型、强化学习等前沿技术解决广告投放中的业务问题
- 针对电商、直播等垂直场景进行深度建模与策略优化
- 扎实的机器学习/深度学习理论基础，熟悉推荐系统或广告算法
- 熟练使用PyTorch或TensorFlow，具备良好的Python编程能力
- 具备数据分析和问题拆解能力，对新技术有强烈好奇心
申请策略
- 投递时备注感兴趣的方向（如出价、排序、大模型等）会增加匹配度
- 关注公司技术博客或开源项目，展现对技术社区的热情
- 突出机器学习项目经验，尤其是推荐、CTR预估、用户建模相关
- 如有强化学习、大模型、AIGC项目经验请重点描述
- 强调编程能力和数据分析能力，可附上GitHub或论文
- 提前复习推荐系统经典模型（DIN, DCN, Transformer等）
- 了解小红书广告业务现状，思考算法优化点
- 练习SQL和Python数据处理能力，准备算法题
面试指南
- 使用STAR法则描述项目，突出个人贡献和量化结果
- 从业务目标出发，结合算法原理阐述技术选型理由
- 对于开放问题，先拆解问题再给出渐进式解决方案
- 请介绍一个你参与过的机器学习项目，包括问题定义、模型选择和效果评估
- CTR预估中如何处理特征交叉和稀疏特征？
- 广告系统出价策略中如何平衡广告主成本和平台收益？
- 你对大模型在广告领域的应用有哪些了解？
- 复习推荐系统和计算广告基础知识，包括模型结构、评价指标、常见挑战
匹配度报告
65
综合匹配度
小红书核心广告算法实习，前沿技术驱动，成长性极高，但WLB一般
适合人群
最适合以技术成长和发展为核心动力的同学，愿意在快节奏中积累前沿经验
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展90
工作生活40
使命价值70
薪资福利匹配
60中等
实习薪资在行业中上水平，但对于追求高薪的求职者吸引力有限；小红书平台提供一定福利，但JD未明确提及具体福利。
薪资信号市场水准 (4K-10K/月)
成长发展匹配
90较高
该实习岗位技术栈前沿，涉及大模型、强化学习等，成长空间极大，且JD明确提到根据兴趣匹配方向，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、推荐系统、CTR/CVR预估、大模型、强化学习、多模态、PyTorch、TensorFlow
成长机会根据团队方向和个人背景匹配方向
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；上海办公室位于市区，通勤可能便利但工作强度可能较高。
工作模式仅现场办公
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
互联网广告属于成熟稳定行业，小红书平台具有社会影响力，但广告业务社会价值中性，创新程度较高。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs