小红书推荐算法实习生-社区技术

1、协助负责推荐技术落地，完成个性化推荐模型、分发策略、用户理解、内容理解等方向突破； 2、负责社区业务推进，将业务问题进行技术抽象，系统性优化海量用户体验； 3、协助研发新的推荐策略和算法，并不断优化效果和性能；

1、拥抱大模型技术，深度改进多模态内容理解技术，应用到小红书各业务线（推荐、增长、交易、搜索、发布等业务场景）来解决实际业务问题； 2、进行大模型前沿技术探索和研发，发表国际顶级论文 3、参与多模态大模型相关的业务落地，包括但不限于笔记图文内容结构化、文本&多模态内容理解、视频结构化、作者画像、主题发现、信息抽取、智能摘要、意图理解等；

我们是网易云音乐算法团队，专注于行业领先的搜索或者推荐算法，我们致力于通过技术赋能云音乐各项业务，通过社区广场推荐，提升用户体验，产生商业化价值。 在这里你可以： 1、参与云音乐各场景相关的AIGC算法应用，使用NLP、多模态、LLM等技术，优化包括多模态内容理解、大模型交互式对话、大模型AI创作生成等业务应用的效果提升； 2、参与云音乐创新业务相关的算法优化，使用业界领先的深度学习、强化学习、图模型等，优化推荐、直播、声音、社交等业务的算法； 3、参与前沿的基础算法模型建设，包括继续预训练、视频生成微调，音乐生成训练等垂类基座模型的构建和应； 4、接触到亿级别海量、真实的用户数据，使用深度学习、强化学习、图模型等算法，发挥推荐的价值； 5、使用行业领先的大规模分布式机器学习平台，例如tensorflow等开源的工具，实现并不断优化推荐、搜索等算法。

团队介绍：小红书交易算法团队立足于整个交易分发场景，探索机器学习、深度学习、强化学习、人工智能和NLP前沿的技术发展，探索社区交易的价值。算法场景分为搜索与推荐； 岗位职责： 1、触发策略：用户数据理解、深度匹配，传统匹配、用户意图识别、query纠错/改写、相关性建模等； 2、质量预估：点击率、转化率、客单价、交易额预估等； 3、机制设计：排序机制、流量预估、多样性机制等； 4、创意优化：商品图片、标题、优惠信息等展示创意优化；