小红书大模型算法实习生（SFT）
任职要求
1.在大模型SFT/RFT方向有一定经验，有相关的落地项目或比赛经历； 2.有良好的英文读写能力和扎实的数学基础，有快速学习新技术的能力； 3.有扎实的编程基础，熟悉Python/C++等编程语言，具有快速复现前沿论文的能力； 4.熟悉至少一个深度学习和大模型训练框架，包括PyTorch、TensorFlow、MXNet、Caffe、HuggingFace、DeepSpeed等； 5.较强的业务问题到算法模型的建模能力，有强烈的求知欲、自驱力和进取心，能及时关注和学习业界最佳实践
工作职责
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；
拥抱LLM技术，深度改进智能内容生成技术，构建高效的违规样本生成系统和知识检索增强框架，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.设计和开发基于大模型Agent的违规内容生成系统，构建多样化、高质量的违规样本数据集，提升模型SFT/RFT的性能上限； 2.负责构建和维护检索增强生成（RAG）案例库，包括违规案例的结构化存储、语义检索、案例匹配等，提升审核决策的准确性和可解释性； 3.进行大模型内容生成前沿技术探索和研发，包含但不限于Prompt Engineering、Few-shot Learning、Chain-of-Thought、Multi-Agent协作等；
1. 参与高质量后训练数据建设及优化，覆盖车机多语言对话场景； 2. 参与大模型对齐与优化，包括SFT、RL多阶段的训练策略、数据配比等工作； 3. 参与大模型自动化评估能力建设。
1.预训练、微调语言大模型，follow前沿的相关算法，开展高水平和创新性的研究，保持算法在工业界和学术界的领先，参与顶会论文投稿及专利申请； 2.进行业务落地的语言大模型算法研究，特别是在垂直领域的应用； 3.负责开发语言大模型、agent等算法所需要的工具以及基础设施，实现算法部署与工程化、文档输出； 4.负责知识库框架搭建，RAG服务的维护； 5.负责后续算法性能优化等技术细节。
1、探索下一代AI搜索范式，从底层模型架构和训练方式角度出发，研发AI搜索大模型，在推理速度，幻觉，回答准确性等方向进行突破； 2、探索新一代大语言模型基座架构，以高效推理模式为核心优化目标，探索全新模型结构和scaling law。 3、在工作中能快速成长，积极探索前沿技术，解决好业务中遇到的实际问题，完成数据处理、建模和工程上线，对AI技术始终保持热爱，实习期间可发表论文。