Agent/大模型算法实习生- 国际化TnS算法
招聘时间
即日起 至 2026-10-10
招聘单位
小红书
所在地区
北京
工作地点
亚运村街道安定路五号院7号楼中海国际大厦A座+B座
学历要求
本科
实习时长
每周5天，每天6小时
职责描述
工作职责：
1. 参与 AI Agent 系统设计与落地，涵盖 ReAct/Tool Use/Multi-Agent 架构、意图理解、任务规划，应用于rednote 治理、内容理解、搜推等核心业务场景
2. 参与Agent的设计与效果优化，通过Agent架构优化（工具、上下文管理、编排等）和模型优化（Agentic RL等具体任务的Post-Training），产出效果领先的Agent；
3. 深度参与多模态大模型（LLM/LVM）预训练、SFT、RLHF/DPO 等全链路训练，参与构建多模态内容理解、Function Calling 等 AI 基础能力，推动模型从技术到业务价值的闭环落地
4. 持续追踪AI Agent领域的最新进展，引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在rednote业务中的应用，保持团队的技术领先性；，沉淀国际顶会论文（CVPR/NeurIPS/ICLR/ACL 等）
任职资格：
1. 对大模型和Agent有较深入的理解，熟悉常见的LLM实施模式、提示工程、评估框架、检索框架等，了解Agent Architectures/Structures（Multi-Agent、Context Engineering/Management、ReAct/PlanAct/CodeAct），了解Agent相关的交互协议（MCP、A2A、FunctionCall）；
2. 熟悉Agentic RL的方法，了解Agentic RL Infra（例如CodeRL，Reward System），熟悉模型的Post-Training训练技术，能针对特定模型能力问题进行SFT、RL训练优化；
3. 熟悉模型的Post-training训练技术，能针对特定模型能力问题进行SFT、RL训练优化；
4. 有较强研究能力，复现过业内领先工作；有 CVPR/ICCV/NeurIPS/ICLR/ACL/EMNLP/KDD 等顶会论文发表经历更佳
1. 参与 AI Agent 系统设计与落地，涵盖 ReAct/Tool Use/Multi-Agent 架构、意图理解、任务规划，应用于rednote 治理、内容理解、搜推等核心业务场景
2. 参与Agent的设计与效果优化，通过Agent架构优化（工具、上下文管理、编排等）和模型优化（Agentic RL等具体任务的Post-Training），产出效果领先的Agent；
3. 深度参与多模态大模型（LLM/LVM）预训练、SFT、RLHF/DPO 等全链路训练，参与构建多模态内容理解、Function Calling 等 AI 基础能力，推动模型从技术到业务价值的闭环落地
4. 持续追踪AI Agent领域的最新进展，引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在rednote业务中的应用，保持团队的技术领先性；，沉淀国际顶会论文（CVPR/NeurIPS/ICLR/ACL 等）
任职资格：
1. 对大模型和Agent有较深入的理解，熟悉常见的LLM实施模式、提示工程、评估框架、检索框架等，了解Agent Architectures/Structures（Multi-Agent、Context Engineering/Management、ReAct/PlanAct/CodeAct），了解Agent相关的交互协议（MCP、A2A、FunctionCall）；
2. 熟悉Agentic RL的方法，了解Agentic RL Infra（例如CodeRL，Reward System），熟悉模型的Post-Training训练技术，能针对特定模型能力问题进行SFT、RL训练优化；
3. 熟悉模型的Post-training训练技术，能针对特定模型能力问题进行SFT、RL训练优化；
4. 有较强研究能力，复现过业内领先工作；有 CVPR/ICCV/NeurIPS/ICLR/ACL/EMNLP/KDD 等顶会论文发表经历更佳
