知乎搜索算法实习生(27届）

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；

1、进行多模态大模型的前沿技术探索、模型训练和应用，落地在小红书实际业务场景如智能审核、推荐、搜索、交易，多模态内容理解来解决实际业务问题 2、参与多模态大模型预训练、后训练、SFT等大规模数据训练工作 3、参与LLM/LVM相关的技术业务落地，包括但不限于多模态理解、Agent搭建、RAG、意图理解等技术 4、前沿技术探索，沉淀国际顶会论文

1、参与快手商业化系统核心模型、机制、策略算法的研究及开发工作； 2、针对每天数亿网民 & 亿级广告库，参与研发业界领先的超大规模深度学习推荐模型，通过输入端、判别层、输出端建模优化，更精准地实现千人千面，包括但不限于 Meta learning、图学习、多模态建模、对比学习等前沿技术研究； 3、参与研发业界领先的广告智能投放平台，通过应用运筹优化、强化学习、联邦学习、CV & NLP（视频理解、生成）等前沿技术，提升广告主投放的长短期收益； 4、针对每天百亿流量 & 数十种差异化场景，参与设计、实现创新的拍卖机制和分配算法，运用博弈论、计算经济学、Uplift 建模 / 因果推断，参数模型化等技术和理论，探索给定资源约束下最大化流量和生态长短期价值的最佳机制策略实践。

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；