乐元素【2026校招】强化学习算法工程师（北京）

T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 在这里，你将参与机器学习、深度学习领域的技术研发工作，包括但不限于神经元网络模型设计与优化、强化学习、迁移学习、主动学习、维度降低、核方法、谱方法、特征提取与稀疏学习、等级学习、推荐、随机优化等的算法和系统研发等； 在这里，你将进行机器学习尤其是深度学习前沿问题的探索与研究，结合未来实际应用场景，提供全面的技术解决方案； 在这里，你将有机会负责提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能； 在这里，你将参与提供大数据分析建模方案，沉淀行业解决方案，协助拓展业务边界。 加入我们，共同专注于大数据之上的机器学习算法研究与应用。将对人工智能的极大热情投入到挑战各种实际应用难题中。来吧，我们等你加入！ T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ꔷ 投递T-Star实习生，提前解锁淘天顶级技术岗位，实习与T-Star正式批/应届秋招投递不冲突。拿到T-Star意向书的同时，将获得直通正式批次终面的机会；参与T-Star实习且表现优秀的同学，提供T-Star转正Offer。

小红书中台AI Infra团队深耕大模型「数-训-压-推-评」技术闭环，具备专业的大模型训练加速、模型压缩、推理加速、部署提效等方向硬核技术积淀，基于RedAccel训练引擎、RedSlim压缩工具、RedServing推理部署引擎、DirectLLM大模型MaaS服务，支撑小红书社区、商业、交易、安全、数平、研效等多个核心业务实现AI技术高效落地！ 大模型训练方向： 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练Pipeline； 2、研发支持多机多卡RL的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决RL算法在超长时序下的显存/通信瓶颈； 3、基于自建的训推引擎，落地公司统一的大模型生产部署平台，为公司所有大模型算法同学提供端到端的一站式服务。 大模型压缩方向： 1、探索研发针对大语言模型、多模态大模型等场景的压缩技术，包括但不限于量化、蒸馏、剪枝、稀疏化等； 2、参与/负责多个业务场景中的模型压缩技术实现，对模型进行轻量化压缩，提高训练/推理效率，支持业务降本增效； 3、参与/负责针对英伟达GPU、华为昇腾NPU等不同的计算硬件，制定不同的模型压缩方案并在业务落地。 大模型推理方向： 1、参与/负责研发面向LLM/MLLM等模型的稳定、易用、性能领先的AI推理框架； 2、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，支撑各业务方向持续降本增效； 3、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等。 高性能计算方向： 1、参与/负责AI推理/训练框架的底层性能优化工作，包括但不限于高性能算子、通信库开发与优化等工作； 2、参与/负责大模型计算引擎的研发工作，通过多种方式实现训推性能SOTA； 3、参与/负责前沿AI编译加速等技术的探索和业务落地。 大模型服务方向： 1、参与/负责大模型MaaS系统的架构设计、系统研发、产品研发等工作； 2、深入参与面向大模型场景的请求调度、异构资源调度、引擎优化等核心工作，实现万亿级并行推理系统； 3、为内部产品线提供解决方案，协助公司内用户解决大模型应用过程中业务在MaaS上的使用问题。

1、参与核心策略设计与实现：深入小红书音视频、直播、图片等内容的分发与体验优化全链路，参与转码、下发、消费等核心策略的设计、编码与迭代，并且可以设计清晰、可扩展的技术方案，并通过高质量的代码实现它； 2、有数据挖掘和数据分析能力，并且可以在真实的业务场景中，学习并运用AB实验、因果推断等科学方法评估策略效果。同时探索强化学习、大模型等前沿技术在用户体验优化领域的应用可能。

小红书广告以 “社区+搜索”双引擎为核心，以真实体验触发用户信任，为客户打造深度触达高价值用户的营销闭环。广告算法团队致力于研发全球领先的在线广告算法，不断建设和升级“社区+搜索”双引擎驱动下的小红书广告技术体系，创造健康和互利的广告生态，引领行业创新性解决方案，助力客户实现 “心智占领-销售转化”双效增长，推动行业变革。 1、参与小红书广告全场景、全链路优化，包括召回/粗排/精排/混排/相关性各模块的整体优化，构建业界领先的下一代广告投放系统； 2、模型算法：负责搜推召回、粗排、精排等模块的CTR、CVR、LTR等模型优化工作，使用DIN、SIM、Transformer、Scaling、LRM等技术极致的提升模型效果，提升小红书广告收入； 3、出价算法：负责出价优化工作，包括转化出价、ROI出价、UBX自动化高维组合出价等相关产品的出价优化工作，使用PID等控制学理论、监督学习、强化学习等技术提升出价效果，提升小红书广告收入； 4、自动化算法：负责自动化投放优化工作，包括自动化新建计划、自动化关停计划、素材创意自动化生产&组合等工作，使用增益建模、监督学习、强化学习、AIGC等技术提升自动化投放效果，提升小红书广告收入； 5、投放策略：负责投放策略相关工作，包括DPA投放、用户体验、大促策略、新客户策略等优化工作，需要深入理解业务，配合产品设计线上策略，优化客户投广效果和体验。