智能流媒体传输算法工程师-多媒体技术

团队介绍 小红书 Media Lab 面向点播、直播、RTC及下一代AI多模态交互场景，研究体验驱动的智能媒体技术。 我们希望突破网络、内容、播放与用户体验彼此割裂的传统优化方式，探索AI与流媒体系统的深度结合，构建能够感知网络状态、理解内容价值、预测用户体验并自主优化传输策略的新一代智能媒体系统。 你将有机会基于小红书丰富的多媒体业务场景开展前沿研究，推动算法从研究原型走向真实系统，并形成具有行业影响力的技术成果。 工作职责 1、负责智能流媒体传输核心算法的研究和开发，面向点播、直播、RTC等场景，深入研究多码率、智能预取、流量控制、拥塞控制、多路径传输等技术，持续提升媒体传输的体验与效率； 2、研究AI for Network，基于深度学习、强化学习等方法，探索大模型在网络状态预测、测量、策略生成与异常诊断中的应用，推动下一代网络智能技术在复杂真实场景中的研究与落地； 3、研究以用户体验为目标的智能传输决策，融合业务场景、用户偏好、视频内容、设备能力与网络状态，构建清晰度、卡顿、时延等多目标QoE模型，指导码率、预取与传输策略的联合优化； 4、参与下一代智能媒体传输架构与协议的研究，探索内容感知传输、端网协同、Media over QUIC、AI多模态实时传输等前沿方向，推动相关技术在点播、直播和RTC场景中的应用。 【任职要求】 任职要求 1、计算机、通信、电子信息、自动化、人工智能、应用数学等相关专业，硕士及以上学历； 2、具备扎实的计算机网络、算法与数据结构基础，熟练掌握C/C++、Python等至少一种编程语言，具有良好的算法实现和系统实验能力； 3、熟悉流媒体传输、拥塞控制、带宽预测、ABR、智能预取、QoS/QoE建模等一个或多个方向； 4、了解RTMP、HTTP-FLV、HLS、DASH、WebRTC、QUIC、MoQ等协议或媒体系统，有相关算法优化、系统开发或开源项目经验者优先； 5、了解机器学习与深度学习的基本方法；具有强化学习、时序预测、离线策略学习或AI for Network相关研究经验者优先； 6、具有大模型在时序数据建模、网络诊断、策略生成或智能体决策等方向的研究经验者优先； 7、在SIGCOMM、NSDI、CoNEXT、INFOCOM、MobiCom、MMSys等相关会议或期刊发表论文，或具有高质量开源项目及代表性研究成果者优先； 8、有责任心，积极主动，有良好的沟通能力和团队协同工作意识。