小红书商业化风控算法实习生（NLP/CV/多模态）

拥抱LLM技术，深度改进多模态内容理解技术，应用到小红书商业化广告审核场景中来解决实际业务问题； 1.负责NLP、CV、多模态相关算法研发与落地，包括但不限于笔记图文内容结构化、文本&多模态内容理解、主题发现、信息抽取、命名实体识别、智能摘要、意图理解等； 2.进行大模型前沿技术探索和研发，包含但不限于In-context learning、SFT、RLHF、DPO等，用大模型解决实际的业务场景问题； 3.负责对各业务场景下相关技术问题进行分析、算法设计、研发以及推动上线，提升业务效果；

ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：抖音电商算法团队，依托抖音、今日头条、番茄小说、红果短剧等产品，帮助用户发现、讨论并获得好物，享受美好生活；帮助商家高效经营，创建良性商业生态；激励创作并分享购物经验使用心得，构建有真诚有信息的电商内容氛围。在这个团队，我们不仅要通过推荐、广告和搜索算法搭建消费者和商家之间的桥梁，也要通过风控算法和治理算法去甄别违规行为，保护用户的购物体验，保护真正诚信经营的商家；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率，降低商家的经营成本；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户物流体验；另外我们还会用业界先进的数据科学技术为业务健康发展保驾护航。我们的使命：用算法的能力，让用户总能发现好东西，让美好生活触手可得。 1、深入理解抖音电商正向导购与逆向治理业务，基于大模型、多模态技术，优化商家/达人准入、发品、导购等全场景识别效果，同步探索语言、视频、推荐多模态融合方案，构建更强推荐系统； 2、迭代优化电商多模态大模型，强化其对治理规则、商品信息的理解与推理反思能力，通过业务域SFT、Cot、强化学习等技术，打造高准高召的识别能力，提升导购与治理审核智能化水平； 3、参与挖掘电商直播、短视频、图文等多类实体数据，对大规模网络及海量特征序列建模，支撑商家/商品分类、逆向标签挖掘等场景，助力精准识别潜在购物信号； 4、研究用户多模态交互（视频+直播+文字+行为）的复杂性，搭建统一框架实现内容理解与用户意图推理，高效映射内容消费到电商兴趣，提升人货匹配效率； 5、参与构建大规模图存储与图学习平台，完善商家、商品、达人、内容的关系链路，打造电商实体通用表征能力，赋能多模态业务落地； 6、协助推进电商比价、供给生态等战略支持工作，运用前沿深度学习算法，搭建商家/达人成长预测模型，支撑冷启动、潜爆、智能营销等业务需求。

工作职责 1. 利用LLM/VLM/ML/DM/DL/RL/图模型等技术解决小红书商业化风控场景中的实际问题 2.负责相关问题的分析、算法设计、模型研发以及推动上线，时刻follow与探索前沿技术

1、大模型理解方向：探索多模态大模型在视频、图像、文本内容的理解能力，构建场景化模型，提升风险识别准召率； 研究视频/图像拒绝理由的可解释性归因方法，推动人机协同审核应用落地； 构建大模型在风险防控、开户业务等场景的垂类内容理解能力，优化模型对抗性及迭代效率； 开发视频、图文向量化表征技术，提升跨模态检索能力（如视频索引、图文相似性检索）； 2、大模型生成方向：研究多模态大模型（图像/视频）生成与修复技术，探索可控内容生成方法，提升风险素材过审率； 构建大模型训练、推理、评测的标准化流程，推动平台化能力建设与自动化迭代； 3、大模型推理部署方向：优化大模型推理框架（低延迟、高吞吐），研究量化、剪枝、动态调度等加速技术； 推动多模态大模型在工业级场景的轻量化部署落地。 *根据研究方向选择以上至少一个领域深入参与。