基础模型算法工程师 - VLM Post-training

岗位定位： 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。 【任职要求】 我们希望你具备： 背景： 计算机、视觉、机器人等相关专业硕士/博士；熟悉主流 VLM 架构（如 LLaVA, Qwen-VL, InternVL 等）。 专业深耕： 在 计算机视觉（CV）、多模态学习 或 视频理解 领域有深入研究。 工程能力： 精通 PyTorch，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：在 CVPR, ICCV, ECCV, NeurIPS 等顶会发表过视觉或多模态相关高质量论文。