小红书【REDstar】基座大模型算法工程师
任职要求
1、本科及以上学历，计算机、人工智能和数学等相关专业； 2、熟练掌握扩散模型设计和使用技巧，在知名大模型公司/团队从事图像或视频生成者优先，有多模态/OMNI大模型理解&生成统一框架经验者优先； 3、有丰富的大模型预训练和后训练数据处理经验，熟练掌握数据收集、数据清洗、数据去重和数据合成等流程，能针对数据质量制定出评估指标和方法，在知名大模型公司/团队长期从事数据技术者优先； 4、MoE/Dense模型训练实战经验，包括模型预训练、RL Reasoning、SFT和RLHF等，熟练掌握各种模型训练和推理技巧，…
工作职责
1、探索新一代大语言模型基座架构，完成扩散模型（diffusion model）在大语言模型的重塑，突破逐个token预测的方式，实现高效的推理模式，探索全新scaling law； 2、实现大模型训练的数据清洗、合成和评估；设计和实现大模型训练的AI Infra框架。
1、用户兴趣建模：基于小红书社区用户海量的行为数据，利用迁移学习、多场景多目标、序列建模等方式构建统一用户表征、人群圈层和可解释用户兴趣； 2、核心场景落地：推动用户理解能力在多场域的召回、排序、人群定向等场景落地，优化用户推荐、搜索、广告、电商等核心场景的体验； 3、技术前瞻探索：推动LLM、Agent 等前沿技术在小红书落地，共同构建覆盖全站用户&人群兴趣变迁和消费意图的知识基座。
1、负责小红书搜广推多场景召回与排序模型优化，提升时长、互动、留存等核心指标； 2、核心技术方向包括：LLM应用于推荐系统，基于搜广推全域信号打通的图神经网络预训练模型，深度进化学习应用于全系统参数自动搜索，多模态在召回/排序等模块的应用等技术方向；在小红书独特的双列社区产品形态下，探索最适合社区产品的种草拔草全链路建模范式； 3、业务落地场景包括：双列推荐/展示/搜索/电商广告的模型，用户/资源冷启动，重排和多资源混排场景等。
1、基于小红书海量的用户行为数据，建立并优化广告系统的算法和机制，优化面向行业广告主的算法策略，包括用户理解、行业深度优化、行业投放策略等； 2、对业界前沿技术保持敏感，结合业务特点，探索将前沿的算法技术应用于实际业务，实现技术落地。
1、负责小红书App社区（主站）的推荐、搜索、交易、增长、直播等业务场景的技术探索，能够从复杂的业务环境中抽象出清晰具体的技术问题，并将大模型、机器学习等技术有效应用于小红书App社区建设上，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产品，提升亿级用户体验，Inspire Life； 2、构建小红书App社区（主站）的内容、用户之间的生产、关系、分发、消费机制，利用Query理解、多模态内容理解、相关性/召回/排序算法、深度学习、因果推断、迁移学习、跨域表征、多任务学习、图网络、运筹学、博弈机制等技术，持续建设图文&视频内容的大规模推荐/搜索/交易/知识生产等系统，通过策略和模型优化不断提升实现SOTA效果。