小红书内容理解算法工程师-C2C业务

1、多模态内容理解体系搭建：构建视频图文多模态表征体系，融合视觉、音频、文本完成多层级语义刻画，搭建细粒度内容标签体系，解决特定场景素材语义理解等问题； 2、多模态算法全链路研发落地：负责构建离线算法实验与在线模型评估体系，保障模型指标与业务目标对齐； 3、前沿技术与Agent落地探索：探索多模态大模型内容理解、内容生成、算法智能Agent等创新方案，完成模型评测、算法工程化落地，协同团队迭代内容认知底座。

作为AI智慧观赛产品团队的核心算法成员，负责驱动体育赛事视频内容理解技术的研发与创新。目标是让系统精准、实时地识别赛事中的核心元素与关键事件，为AI智能解说、多维赛场智瞰等核心功能提供高质量底层数据支撑，最终打造业界领先的AI观赛体验。 1. 核心视觉模型研发：负责体育赛事视频理解核心模型的构建、训练与优化，重点研究实时目标检测与跟踪（球员、球、裁判、场地标识等）、行为动作识别（射门、传球、运球、击球等）、关键事件检测（进球、犯规、得分、暂停等）技术，确保赛事核心信息捕获的准确性与实时性。 2. 多场景适配与鲁棒性优化：针对足、篮、乒等不同赛事的运动特性、场地规则差异，以及光照变化、遮挡、快速运动模糊等复杂场景，优化模型的泛化能力与鲁棒性，保障跨赛事、跨场景的稳定识别效果。 3. 视频语义信息提取：设计并实现赛事结构化数据生成方案，从视频流中提取球员轨迹、攻防转换节奏、战术阵型变化等语义信息，将原始视频数据转化为可被大模型理解的结构化特征与事件标签。 4. 实时性与工程化落地：优化模型推理速度与资源占用，结合TensorRT等推理加速框架，实现视频理解算法的端到端高效部署，满足赛事直播

1、负责快手短视频多模态内容理解工作，应用计算机视觉、NLP、多模态融合等技术，提升短视频内容体系建设、推荐、搜索的效果和体验； 2、基于多模态模型在下游业务上的应用，包括并不限于多模态分类、标签、caption等文本生成等； 3、负责计算机多模态理解方向前沿问题的研究，参与建设并持续保持部门在多模态业界的技术先进性，保持创新的同时将业界SOTA模型持续优化并落地至线上获得收益。

1.多模态内容理解与违规识别：构建融合商品标题文本、主图/详情图、视频素材、商家资质文件等多模态信息的理解与审核算法，实现对违禁商品、资质不符、山寨侵权等风险的自动化精准识别； 2.业务大模型研发与训练：基于电商入驻审核场景的海量数据，将商品、店铺等垂类审核知识注入基础大模型，通过指令微调（SFT）、偏好对齐（RLHF/DPO）、CoT推理等技术，训练具备精准识别垂类违规能力的业务大模型，持续提升机审决策率与准确率； 3.人机协同提效：设计机审辅助人审的技术方案，通过置信度分层、违规线索高亮、审核理由自动生成、难例智能路由等机制，为人审团队提供结构化决策支持，全面提升人工审核效率与准确度； 4.审核系统基建优化：持续优化微信电商入驻审核系统的工程架构，提升审核链路的可用性、时效性与吞吐能力，保障审核服务在高并发场景下的稳定运行； 5.数据闭环与效果监控：建立模型评测基准与效果监控体系，构建"模型预测→badcase归因→数据标注→策略迭代→模型升级"的完整闭环，驱动审核能力的持续进化； 6.前沿技术探索：跟踪大模型（LLM/VLM）、多模态预训练模型、RAG、Agent等前沿技术进展，探索其在电商审核场景（如少样本违规检测、审核规则自动生成、知识图谱辅助决策等）中的创新应用。