深度求索AI 跨界技术人才
任职要求
1.对AI研究有极大的、真实的、长期的热情,并有实际的行动与成果来支持你的热情。热衷于探索AI的所有可能边界。相信AGI。 2.具有极强的动手能力和学习能力,对感兴趣的事情愿意投入百分百的精力和热情;独立思考,不盲目从众。 3.具备基础的计算机编程能力和知识。 4.…
工作职责
本岗位专为具备超乎常人的才能、并且想要参与创造和构建AGI的人才所设。这个岗位不设专业限制,我们会根据你的兴趣和才能,将你的简历路由到最适合的研究/工程团队。 【岗位类别】:实习/全职
我们是负责ICBU - AI +Search 的搜索算法团队。团队通过AI的赋能,让买家理解更加智能与精准,让买家体验更加丝滑,为平台高质量买家增长、留存打下坚实的基础。 1、业务上,你能深入了解: (1)全球买家的特色:多国家、多语言、多行业; (2) 场景上不同的心智与差异:找品赛道、找商赛道、多模态搜索以及创新深度搜索,为我们提供更多可能的技术探索; 2、技术上, (1)LLM的深度探索与定制:多模态—CPT、对齐、推理、生成 ;文文:场景数据的post traing、定制化的任务设计以及与rag、强化学习等技术结合; (2)有挑战&有趣的效率系统:探索国家差异化、不均衡、冷启、双赛道的持续创新; (3)机制-运筹学,从宏观层面清晰系统问题,给予平台指挥棒。 智能搜索 ·通过建设具备Alibaba.com特色的多模态表征大模型、多模态reasoning模型,智能实现:用户搜他想搜,找他想找的能力,助推买家增长&留存,打造独特的多模态理解能力; ·通过建设具备To B电商知识的深度思考大模型,逐步拆解买家的诉求,提供清晰的路径以及方案,实现搜索智能化的漂亮转身; ·通过深度应用大语言模型技术与强化学习技术的结合,实现高效、精准的信息匹配,并能够完成流量分配决策的智能化,推动业务增长,实现买家、商家、平台三方共赢。 1. 我们所在的组是为全球最大的B2B电商-alibaba.com搜索算法业务服务,致力打造全球顶级的搜索引擎,为买家带来极致的采购体验。 2. 探索大模型推理、强化学习等技术跨境电商AI创新业务落地,包括但不限于基座模型的训练,数据的整理,技术创新,重构B2B Sourcing的全新交互体验。 3. 负责跨境电商大模型的研发,包括SFT到RLHF的LLM全链路post-training技术建设。 4. 负责LLM的前沿技术探索,持续迭代自研模型能力,支撑搜索创新的落地。

1. 参与公司 AI 相关业务产品的研发,负责 Android / iOS / 鸿蒙 / Web 等多端应用的设计与实现。 2. 使用跨端开发框架(如 Flutter、React Native、KMP等)提升开发效率,保证一致的用户体验。 3. 与产品经理、AI 算法团队、后端工程师紧密协作,将 AI 能力(AIGC、音/视频、图形/图像、大模型应用等)融入业务场景。 4. 关注大前端前沿技术(Android/iOS/鸿蒙/Web技术生态),推动技术落地与优化。 5. 参与端侧工程化建设,包括性能优化、组件化、工具链完善与开发体验提升。
【团队介绍】 我们是小红书前端的核心中台团队,支撑社区、电商、商业化等全平台业务,致力于为全公司打造最强的跨端“技术弹药库”。 🚀 新挑战:拥抱 AI Native。面对业务的高速爆发,我们正在组建全新精锐力量,重构下一代跨端研发框架、底层容器、工具链与组件生态,支撑大模型带来的组织演进 🌱 高成长:无职级,不设限。公司推行全面扁平化管理,拆除科层制天花板。只要你有破局能力,我们提供充分的试错空间,让你的基建成果直接提升全线的战斗力,实现个人职业生涯的“指数级加速”。 【你的角色与挑战】 - 打造中台技术底座:立足中台视角,主导小红书跨端(RN等)基建体系的演进。为内部开发者提供开箱即用、稳定高效的研发调试工具链、底层运行时容器与高质量的核心组件物料; - 探索 AI Native 研发范式:不只是“使用”AI,而是利用大模型重构跨端研发链路。在代码智能生成、智能调试、物料自动化生产等场景落地创新方案,大幅度降低开发门槛,打造下一代极客开发体验(DX); - 攻克性能极限:在千万级 DAU 极其复杂的业务场景下,深挖内存、首屏渲染、滑动等性能瓶颈,从底层提供超越行业常规的极致优化方案,让业务跑得更稳、更快; - 引领技术视野:紧跟前沿社区动态,深入理解业务开发者的核心痛点,探索并定义小红书下一代跨端与大前端中台架构。

1. 负责公司业务线的 AI 提效工具、自动化流程 设计与开发,提升产品、研发、测试团队效率。 2. 基于大模型(LLM)构建 RAG、智能问答、文档处理、代码辅助、流程自动化 等应用。 3. 对接业务需求,将 AI 能力落地到实际工作流:如自动处理数据、智能审核、客服 / 销售话术生成等。 4. 优化 Prompt 工程、模型调用策略、上下文管理、向量数据库等,提升 AI 输出稳定性与准确性。 5. 与产品、前端、后端、测试协作,完成 AI 应用从需求→方案→开发→上线→迭代全流程。 6. 跟踪业界 AI 工具与技术,持续引入更高效的方案落地。