【REDstar】基础模型算法工程师-Post-training

LLM Post-training方向： 本岗位侧重于提升大语言模型的“核心大脑”能力。你将通过先进的 Post-training 技术，让模型在Reasoning、Agentic以及人类意图对齐上达到业界顶尖水平，通过提升AI智能水平的上限，支撑小红书所有业务场景，包括且不限于搜索、广告、推荐、电商、客服及智能发布等核心场景。 你的工作内容： 大规模对齐与强化学习： 研发并优化 SFT、RL（如GRPO 等）算法，构建高精度的 Reward Model，解决模型在复杂指令下的对齐问题。 推理模型（Reasoning）优化： 探索长链推理（CoT）、强化学习驱动的自反思与自进化机制，提升模型在的 System 2 思维能力。 Agentic RL 与Agency： 研发面向 Search Agent、Code Agent 和 Tool-use Agent 的强化学习方案，提升模型在开放环境中的任务拆解、工具调用及闭环执行能力。 合成数据与模型进化： 探索高质量合成数据的生成与过滤技术，实现模型能力的自我循环与持续进化。 VLM Post-training方向： 本岗位侧重于构建大模型的“视觉与感知”能力。小红书拥有业界最独特的图文与短视频 UGC 数据生态，你将负责 VLM 的 Post-training，让模型深度理解，支撑小红书所有业务场景，包括且不限于搜索、广告、推荐、电商、客服及智能发布等核心场景。 你的工作内容： 负责 VLM 的 SFT/RL/Post-training 流程，提升图文、视频与文本之间的语义对齐和指令遵循能力； 构建视觉 Reasoning 能力，提升模型在复杂图文理解、视频时序理解、多图推理、空间关系推理等任务上的表现； 研发多模态 Agent 能力，使模型能够进行任务分解、计划生成、工具调用、结果验证和自我修正； 建设 VLM Tool-use 能力，支持搜索、知识库、商品库、OCR、ASR、视频分析、审核规则等内部工具调用； 优化长视频理解和多帧推理能力，提升模型对视频内容、事件、时序关系和深层语义的理解效率； 面向小红书搜索、推荐、广告、电商、审核和内容创作等业务场景，构建数据、训练、评测和上线闭环。

1. 01

   本科及以上学历，计算机、人工智能和数学等相关专业；

2. 02

   深入理解 Transformer 架构及大模型训练全流程；

3. 03

   熟悉主流 VLM 架构（如 LLaVA, Qwen-VL, InternVL 等）；

4. 04

   在计算机视觉（CV）、多模态学习 或 视频理解 领域有深入研究；

5. 05

   在 Search（搜索）、Code（代码生成/工程）、tool-use、alignment 或 RL（强化学习） 领域有深厚积累；

6. 06

   熟练使用 PyTorch，有DeepSpeed、Megatron-LM 或 Ray 等大规模分布式训练实战经验，或熟悉多模态模型的数据预处理流水线及大规模多机多卡训练。

加分项

1. 01

   在 NeurIPS, ICML, ICLR, ACL, CVPR, ICCV, ECCV, 等顶会发表过高质量论文；

2. 02

   在 LLM 大家关注的 Benchmark 榜单有深入研究或优异表现。