安克创新助理算法工程师（AIGC算法研究/应用策略）
任职要求
1. 计算机科学、人工智能、机器学习、数据科学、统计学或相关领域的硕士或博士应届毕业生； 2. 在校期间主攻或深度参与过以下至少一个方向:自然语言处理(NLP)、计算机视觉(CV)、多模态学习、生成模型(GANs, VAEs, Diffusion Models)、强化学习； 3. 熟悉至少一种主流深度学习框架（如PyTorch，TensorFlow）；具备扎实的Python编程能力和算法基础；对LLM/Diffusion模型原理有深入理解，有Prompt Engineering或模型微调的实践经…
工作职责
1. 前沿研究与洞察：追踪LLM、Diffusion模型、AgenticAl等领域的最新技术进展，定期输出技术洞察报告，为团队的技术选型和能力规划提供输入； 2. 算法研发与微调：参与AIGC核心算法的研发、评估与优化。针对Anker品牌语调和设计语言，主导或参与图像/文本/视频生成模型的微调(Fine-tuning)与知识库构建； 3. 工具链与智能体构建：参与内部AIGC工具链及智能体(Agent)的设计与开发，重点攻克Prompt Engineering、模型集成与性能优化等技术难题； 4. 应用落地与验证：与产品设计、营销传播等团队合作，将AIGC技术应用于具体业务场景(如广告素材生成、产品描述撰写等),建立实验→验证→迭代的技术闭环； 5. 知识沉淀与分享：参与设计和编写AIGC相关的技术文档、最佳实钱和培训材料，推动新技术在团队内的普及与应用； 6. 合规与安全：在指导下，研究AIGC内容生成中的数据治理、偏见与内容安全问题，并参与设计相应的技术解决方案。
研究方向一：垂域LLM研究与构建 1.基座模型架构设计与优化：参与大语言模型基座架构的设计，研究前沿技术，如稀疏激活、混合精度训练等，同时优化模型的训练和推理流程。 2.技术创新与突破：参与前沿技术研究，如多任务学习、跨模态理解等，推动模型在复杂任务上的性能提升；探索Transformer替代架构，突破现有模型scaling law限制；同时挑战学术benchmark，为模型的性能树立新的行业标杆。 3.强化学习算法研究：参与大语言模型后训练阶段的强化学习算法研究，包括基于AI和环境反馈的强化学习（RLXF）算法。同时探索奖励模型与反馈机制，研究可泛化的细粒度过程监督和奖励建模，探索基于细粒度反馈的强化学习算法。 4.垂域模型定制化构建：领域认知智能突破，探索小样本场景自演进架构设计、可信推理机制构建等方向，同时建立面向AGI的模型评价体系新范式。 5.跨部门协作与落地：与公司数据科学家、算法工程师、产品团队紧密合作，将研究成果快速转化为实际应用，推动大语言模型在更多场景的落地。 研究方向二：垂域MLLM研究与构建 1.研究多模态表征与大语言模型融合的前沿技术，设计和实现创新算法，研究异质数据的统一编解码模型，适配多种模态下的特征统一，实现高效微调与优化。 2.探索强化学习（RL）在多模态大模型中的应用，包括强化学习增强的多模态生成、跨模态对齐、偏好建模及自适应优化，提升多模态理解与推理能力。 3.持续追踪多模态与强化学习结合的最新研究进展，优化现有多模态系统架构，提升性能、效率与可扩展性，推动多模态强化学习在智能体交互、决策推理等任务中的应用。 4.构建技术评估体系，通过多场景验证推动多模态理解、生成及强化学习优化策略的落地应用，提升多模态大模型的泛化能力和实际应用价值。 研究方向三：基于角色扮演的虚拟数字助理 1. 角色扮演技术（Role-Playing）：通过模型优化、Agent构建，在人设、拟人性、情感等取得显著提升。 2. 记忆管理与增强（Memory）：通过模型长上下文，记忆抽取与管理，提升系统的记忆能力。 3. 个性化技术：通过用户行为数据挖掘与建模，结合多轮对话上下文理解，分析用户情感状态，提升模型的个性化回复能力。 4. 基于Agent的数字助理：通过Agent构建和基于RL的优化，实现数字助理的能力复刻和增强
【团队介绍】 小红书技术中台AI应用算法团队专注于图文、视频等场景下的大语言模型、多模态模型、扩散模型等技术的落地应用，通过标准化的AI技术能力支持公司各业务团队，提升技术资源利用率和业务创新迭代速度，持续优化技术研发成本并提升大规模AI应用的系统稳定性。团队兼具活跃的技术氛围、一线业务的真实挑战和相对充足的计算资源，欢迎有志于AGI、AIGC等方向的同学加入。 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。
小红书的AI技术中台目前由ai技术部负责建设，通过标准化的AI技术能力提供支持公司各个业务团队，实现AI能力的共享和复用，提升技术资源的利用率和公司的创新迭代速度，并降低技术成本和稳定性风险 1、跟踪前沿AI算法进展，并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，agi等 2、在AI平台之上构建应用层，可接触到大模型各种可能的落地场景，如知识问答，智能助理(AI取数、智能客服等场景)，大模型工具（SFT）等 3、探索大模型技术在搜广推场景的落地方案
1、负责AI小快智能助理机器人的研究和开发； 2、优化基础模型，并采用RAG、Agent等大模型衍生框架，来提升相关业务指标； 3、持续跟进并深入调研大模型前沿技术、开源方案，跟踪业内大模型领域的最新进展并推进相关研究，探寻将最新技术应用到AI小快的可能性。