小红书应用模型算法专家
任职要求
1. 计算机／数学／统计学/模式识别相关专业，本科以上学历。 2. 2年以上推荐、搜索、广告相关经验，有大模型推荐、多模态技术、大规模模型训练、训练推理优化相关经验优先。 …
工作职责
【职位介绍】 我们团队负责构建小红书推荐算法中台，提高内容分发效率，为海量用户提供极致的推荐体验。在这里，你将参与到推荐系统的全链路搭建和各类算法的研发，包括不限于大模型应用、多模态建模、深度学习、强化学习、迁移学习、表示学习、图学习等领域。我们希望对推荐、搜索、广告感兴趣的同学，加入我们一起研发世界一流的推荐引擎。 1. 负责推荐算法中台的全链路建设，抽象业务共性，敏捷高效支持各类推荐需求。 2. 负责业界先进推荐算法的研发和落地，包括但不限于大模型技术、多模态内容理解、召回算法、排序模型（粗精排）、长短期兴趣建模、多场景联合建模等。
1. 负责大模型（含多模态）及下游任务的训练及优化突破，包括但不限于：异构GPU混合训练和推理加速算法；对齐、强化学习、混合专家等大模型核心训练技术。 2. 分析和解决大模型在领域应用中的技术难题并进行突破，并与业界先进技术进行持续对比。 3. 持续关注业界最新研究动向和技术趋势，对技术方向研判选型，并进行落地。 4. 与产品和工程团队紧密合作，将先进的算法技术应用于实际产品开发。
1、应用大模型技术优化亿级用户视频推荐系统，显著提升用户停留时长、点击率、留存率等核心业务指标； 2、基于生成式推荐模型重构推荐系统架构与底层逻辑，推动生成式推荐范式在多种业务场景中的规模化落地； 3、持续提升生成式推荐模型性能，涵盖生成式推荐模型扩展（Scaling）、强化学习偏好对齐、大语言模型知识融入与推荐系统协同等关键方向。
1. 基座大模型预训练，包括但不限于不同规模、不同结构的语言模型和多模态模型的数据准备和优化、模型预训练、训练加速与框架优化等； 2. 大模型对齐技术（SFT、RLHF等）链路整体优化，包括数据探索与增强、对齐流程探索、奖励模型优化、强化学习策略迭代等，持续提升对齐效果； 3. 大模型训练和推理优化，包括但不限于高效训练技术和框架设计与实现、模型小型化技术（稀疏化、压缩、剪枝、蒸馏等）探索与落地、高效推理技术实现等； 4. 大模型相关技术前沿探索，包括但不限于Scaling Law、模型架构探索（MoE、MAMBA等）、训练范式探索、长序列技术探索、高效训推框架探索等； 5. 支撑内部应用需求，对接搜索、推荐、广告等实际业务场景，实现大模型应用落地。
1、参与电商大模型智能体产品研发，包括框架设计、算法开发、迭代优化等 2、根据业务产品形态对大模型进行post training（SFT/RLHF等）优化、结构优化、prompt engineering等 3、基于LLM的机器人AI Agent模块与产品其他功能模块交互的工程实现 4、跟进大模型智能体前沿技术趋势，结合实际业务需求，将技术应用到实际业务场景