【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Scaling Post-training来提升大模型智能水平的上限，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、客服及国际化等核心场景。 你的工作内容： 1、Agentic RL 与Agency： 研发面向 Work Agent、Code Agent、Search Agent 和 Tool-use Agent 的SFT与RL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； 2、大规模对齐与强化学习： 研发并优化 SFT、RL（如GRPO 等）、OPD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； 3、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； 4、数据管线与训练基建：实现和维护高质量的数据管线和训练基建，作为实现模型能力的自我循环与持续进化的基础。 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： 1、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； 2、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； 3、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； 4、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； 5、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； 6、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。 【任职要求】 1、本科及以上学历，计算机、人工智能和数学等相关专业； 2、深入理解 Transformer 架构及大模型训练全流程； 3、熟悉主流 VLM 架构（如 LLaVA, Qwen-VL, InternVL 等）； 4、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、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、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、在 NeurIPS, ICML, ICLR, ACL, CVPR, ICCV, ECCV, 等顶会发表过高质量论文； 2、在 LLM 大家关注的 Benchmark 榜单有深入研究或优异表现。