小红书【REDstar】多模态通用基础大模型算法方向
任职要求
1、本科及以上学历，计算机等相关专业优先； 2、熟练掌握代码的阅读与编写技能，且在Pytorch和Python技术栈方面拥有扎实的基础； 3、对多模态研发领域的深入理解和一线实践经验，形成深度的专业认知和见解； 4、具备良好的科学研发习惯、问题定义能力和对细节敏感。
工作职责
1、定性分析、定量评估数据质量，并给出 scalable 的改进方案，协助搭建多模态的数据流程； 2、搭建多模态的模型架构，在多种技术方案中找到 trade off 的关键，搭建更高效且可扩展的模型框架； 3、研究并改进多模态模型的 Scale Law，随着模型的变化给出 Large Scale 上的技术选择（例如参数/数据比、不同超参数设置等）。
1、Post-Training Pipeline 设计与迭代：搭建并持续优化 SFT、RM、RLHF/RLAIF/ RLVF 等后训练流水线，支持多模态模型的高效迭代，让千亿级大模型在一次次“后训练”中真正变得聪明、智慧、安全； 2、可扩展监督与反馈系统：设计低成本人类 + AI 组合反馈机制，自动化完成偏好采集、对齐传递与数据质量评估，通过 Product-Research co-design 探索构建真实用户反馈的模型迭代机制； 3、通用推理与工具使用能力提升：构建跨模态强化学习环境和多样化奖励体系，帮助模型学会调用外部工具、提升模型利用文本-图像-语音跨模态信息进行复杂推理和问题解决能力； 4、长期记忆、个性化与终身学习：探索持久记忆与动态偏好建模，使模型能够跨会话记住用户偏好、持续学习而不遗忘核心能力； 5、安全评估与价值观对齐：搭建安全对齐机制、红队测试、越狱防御与自动化评测框架，量化模型幻觉、稳定性及价值观一致性，制定风险缓解策略，确保模型在开放场景中始终行为可控； 6、跨职能落地：与产品、设计、人文训练师及数据团队，把研究成果迅速推向真实场景，打造小红书下一代战略级 AI native 应用产品。
1、负责小红书多场域（如广告、电商、推荐等）通用基础模型的设计与研发，提升模型的泛化与迁移能力； 2、负责跨域学习、序列建模、多模态建模等新范式在业务中的应用； 3、负责统一的用户/内容表征体系构建，支持长周期用户兴趣建模与动态演化； 4、探索新一代模型体系构建，提升业务模型技术的天花板。
文本大模型团队的主要负责小红书大语言模型的端到端全链路自研。主要研究方向包括: 1、持续探索大语言模型在不同阶段的高效scaling策略； 2、预训练的关键技术探索: 包括从数据策略(筛选，配比，合成，学习效率的提升)、优化技术、可解释性，到下一代模型结构的设计、long context建模、学习范式探索等； 3、通用alignment技术探索: 包括大规模RL的探索，持续提升大模型在通用能力、reasoning、长文本、agent、各方向中长尾知识等多个方向的综合能力，支撑更广泛的应用场景； 4、跟下游的多模态同学一起探索端到端全模态大模型的设计和高效scaling策略； 团队有充足的GPU计算资源，同时跟整个技术社区也有密切合作，开源开放。
1、负责模型预训练、微调、部署及推理过程中的数据准备、模型和数据加速、数据集存储及管理，为大模型提供高效稳定的多模态数据预处理能力，构建高质量的AI数据迭代链路； 2、探索AI Native的多模数据存储格式，支持AI数据高效存储、读取和分析，提升数据的使用价值； 3、跟进LLM、多模态大模型的前沿发展，探索数据如何更好驱动模型迭代。