小红书Agent/大模型算法工程师-国际化智能审核
任职要求
1. 硕士及以上学历，计算机科学与技术、人工智能、计算机、机器学习、大数据、数学等相关专业; 2. 对大模型和Agent有较深入的理解，熟悉常见的LLM实施模式、PE、RAG、评估框架等，熟悉主流 Agent 架构（Multi-Agent、Context Engineering/Management、ReAct/PlanAct/CodeAct），了解Agent相关的交互协…
工作职责
1. 基于VLM/Agent等 AI 能力，融合图文/视频笔记的文本、图像、视频、音频等多维度信号，覆盖笔记、评论、账号、交易、直播等多体裁场景的国际化内容风险识别与处置，持续提升主动召回能力，实现风险、体验、效率的协同优化。 2. 建立并持续演进 Rednote 的内容特征体系与内容分级系统，输出结果应用于治理中的处置判罚、以及搜推流控等核心链路，为 Rednote 全球生态的内容质量与安全构建长期竞争壁垒。 3. 负责面向 Rednote 治理、内容理解、编辑等核心场景的 Agent 系统端到端研发，涵盖 ReAct / Tool Use / Multi-Agent 架构、意图理解与任务规划；深度参与 Agent 效果优化——从工具设计、上下文管理、编排策略到 Agentic RL 的 Post-Training，产出效果领先的 产品。 4. 深度参与LLM/VLM 的预训练、SFT、RL 等全链路训练，参与构建多模态内容理解、编辑、生成等 AI 基础能力，推动 AI 从技术到业务价值的闭环落地。 5. 持续追踪AI Agent领域的最新进展，引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在rednote业务中的应用，保持团队的技术领先性；，沉淀国际顶会论文（CVPR/NeurIPS/ICLR/ACL 等）
1、团队依托千亿级视频内容和全球商品数据，探索NLP、CV、多模态大模型、Video LLM、Multimodal Embedding和SID、Multimodal Reasoning、Agent等技术在电商业务中的落地，支持商品库建设、商品同款识别、内容商品链接、价格比对、AIGC内容生成和生成式搜推技术演进等关键场景，我们的目标是通过多模态大模型和Agent技术，重新理解“卖什么、怎么卖、卖给谁”，重塑内容电商的业务想象力；参与全球商品库和内容理解体系建设，基于NLP、图像理解、多模态大模型等技术，对商品、视频、图文、商家、品牌等对象进行结构化理解和语义建模；负责商品同款、商品/商家/品牌消重、跨语言商品聚合等核心算法系统建设，解决海量数据下的多模态匹配、实时流式聚合、多粒度聚合和跨语言语义对齐问题； 2、负责电商比价、商品定价、价格监控和异常预警等算法能力建设，支持百亿补贴、价格竞争力分析、商品供给优化等重要业务场景，建设视频-商品、商品-商品、视频-视频等多模态语义链接能力，支持内容趋势理解、商品挖掘、AIGC内容生成和内容电商供给优化； 3、探索下一代生成式搜推模型的演进，通过视频、直播、商品、Query等多体裁的表征和SID建模，提升生成式搜推的效率和体验； 4、探索Agent在电商业务中的应用，包括比价Agent、商品分析Agent、内容AIGC Agent、商家运营Agent等方向，结合RAG、工具调用、规划推理、自动评估等能力，推动业务流程智能化，参与从数据到业务落地的全流程，包括数据构建、特征工程、模型训练、效果评估、线上部署、负面案例分析和持续迭代，并探索前沿技术在实际业务中的规模化落地。
1. 参与视频剧本生成 Agent 的算法研发与落地，围绕视频剧本生成、角色一致性、场景连续性、镜头编排、文案生成等核心能力，持续提升模型在真实业务中的可用性与稳定性。 2. 负责多 Agent 系统设计与 Harness Engineering，包括任务拆解、角色分工、状态管理、工具调用、反馈回路、自动评测等，构建可扩展、可迭代的 Agent 应用架构。 3. 参与大模型后训练与对齐优化，探索 agentic RL、SFT、偏好优化、过程奖励建模等前沿方法，提升模型的剧本写作能力、工具调用能力和复杂任务规划能力。 4. 结合业务场景设计数据构造、标注、评测和迭代方案，推动算法效果在视频创作、广告生成、内容生产等场景中的持续提升。 5. 跟踪大模型、Agent、强化学习等前沿技术动态，探索其在内容生成和创意生产场景中的创新应用。
1、深度参与大模型Search Agent产品的研发工作，包括联网搜索、边想边搜、Deep Research等 2、跟进大模型的前沿技术，包括但不限于：Mid-Train、SFT、Generative Reward Model、RLVR、Agentic RL等，在Longcat模型上做出创新性的研究成果 3、结合大模型多模态能力，探索下一代大模型+搜索的新的技术和产品范式
1、参与司机智能助手相关的大模型 Agent 设计与应用，构建包含意图识别、复杂任务拆解、多步推理、ReAct 工具调用、长短期记忆及智能推荐在内的完整链路； 2、运用 SFT、RL 等后训练方法训练强化垂域模型，提升大模型的多步推理、上下文遵循、ReAct 工具调用、领域问答等能力； 3、基于数据反馈构建高质量训练数据，设计奖励函数与优化机制，提升模型在垂直领域的泛化能力，利用 PPO/GRPO 等算法建设基于强化学习的迭代路径； 4、跟踪 LLM 与 Agent 领域的国际前沿技术（如多智能体协作、Long Context、CoT），推动前沿技术在业务中的应用落地； 5、深度理解网约车业务，沉淀通用、模块化的算法能力，与产品、工程紧密沟通协作，推动业务迭代。