小红书【REDstar】基础模型算法工程师
任职要求
1、本科及以上学历，计算机等相关专业优先； 2、具备扎实的机器学习、深度学习理论基础，对多模态、序列建模、跨域学习、迁移学习有深入理解与实践； 3、有推荐系统、搜索排序或者广告系统等相关业务经验，具备优秀的系统思维与解题能力； 4、掌握主流深度学习框架，具备高质量模型代码实现与调试能力； 5、对技术有热情，有良好的沟通表达能力…
工作职责
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。
1、推动NLP和大模型算法在社区业务中的落地，负责基础NLP相关算法研发； 2、参与智能客服算法开发，探索agent框架在客服业务中的应用； 3、参与翻译算法和海外多语言策略开发，探索大模型在多语言环境中的应用； 4、参与小红书生成式搜索相关算法和系统研发，通过最新的生成式AI等技术，打造新一代智能化搜索引擎； 5、探索大模型预训练、文本理解、多模态理解、多模态推理等多个前沿方向在业务中的前瞻应用。
社区推荐： 1、负责推荐技术的落地；实现个性化推荐，分发策略，用户理解，内容理解等方向的技术突破； 2、沉淀社区推荐技术，并探索业务的边界。能够从复杂的业务环境中抽象出清晰具体的技术问题，并将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户体验，Inspire Life； 3、与各部门（包括并不限于产品，基础技术等）的同事一起深入交流合作，共同迭代和优化社区信息流推荐产品。 广告推荐： 1、负责广告系统核心算法研发，包括展示&搜索CTR/CVR模型、流量策略、出价策略、广告主自动化投放算法； 2、优化商家投放体验，包括冷启动、投放稳定性、新客留存等方向，不断引入更多商家预算； 3、优化广告召回、出价策略、排序模型等算法模块，增强电商广告流量匹配效率。 电商推荐： 1、参与交易个性化推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、能够从复杂的业务环境中抽象出清晰具体的技术问题，将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户的交易与浏览体验； 3、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的推荐算法。 增长推荐： 1、负责用户增长各环节的算法策略研发，通过算法策略优化提升个性化触达、外投广告、个性化内容分发、用户画像等效果； 2、负责个性化推荐业务召回、排序等算法研发，持续优化用户拉新和拉活各个环节的算法效率； 3、负责广告投放算法工作，通过个性化预估模型和运筹优化等算法，实现对用户的精准触达和出价，提升广告投放效率； 4、负责用户消息触达等相关算法工作，通过推送等触达提升用户规模。
1、参与交易个性化搜索与推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、参与小红书电商用户增长智能营销体系建设，建设智能发券系统、基础用户画像、求购行为偏好等； 3、基于LLM的用户数据理解、用户意图识别、Query纠错/改写、多模态相关性建模等； 4、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的分发算法。
1、跟踪大语言模型、多模态、强化学习等算法的最前沿进展，将相应技术赋能到小红书实际的业务场景中，包括社区，商业化，交易等，持续推动AGI在业务场景下的落地应用； 2、基于成熟的AI平台服务，构建完善的AI原生应用和X+AI应用，包括如智能助理、知识问答、深度研究等，打造具有核心用户价值的热点应用； 3、探索大语言模型、多模态模型、扩散模型等在搜广推场景的落地方案。