小红书(xiaohongshu)招聘【Dots】大模型AI native算法工程师
招聘职位：
【Dots】大模型AI native算法工程师 搜索同类职位
岗位职责：
1、Post-Training Pipeline 设计与迭代：搭建并持续优化 SFT、RM、RLHF / RLAIF / RLVF 等后训练流水线，支持多模态模型的高效迭代，让千亿级大模型在一次次“后训练”中真正变得聪明、智慧、安全
2、可扩展监督与反馈系统：设计低成本人类 + AI 组合反馈机制，自动化完成偏好采集、对齐传递与数据质量评估，通过 Product-Research co-design 探索构建真实用户反馈的模型迭代机制
3、通用推理与工具使用能力提升：构建跨模态强化学习环境和多样化奖励体系，帮助模型学会调用外部工具、提升模型利用文本-图像-语音跨模态信息进行复杂推理和问题解决能力
4、长期记忆、个性化与终身学习：探索持久记忆与动态偏好建模，使模型能够跨会话记住用户偏好、持续学习而不遗忘核心能力
5、安全评估与价值观对齐：搭建安全对齐机制、红队测试、越狱防御与自动化评测框架，量化模型幻觉、稳定性及价值观一致性，制定风险缓解策略，确保模型在开放场景中始终行为可控
6、跨职能落地：与产品、设计、人文训练师及数据团队，把研究成果迅速推向真实场景，打造小红书下一代战略级 AI native 应用产品
任职要求：
1、扎实机器学习与深度学习基础，熟练掌握 PyTorch / JAX / TensorFlow 等任一框架
2、熟悉后训练常用技术（SFT、RLHF / DPO / RLAIF 等）或具备相关项目 / 竞赛 / 论文经验
3、具备 实验设计与问题定位能力，能独立分析大模型在不同数据分布和任务场景下的表现
4、善于沟通和团队协作，乐于在快速迭代中分享想法、推动落地
加分项
- 有深度参与贡献的顶会（ICML / NeurIPS / ICLR / ACL / CVPR 等）论文
- ACM-ICPC、NOI/IOI、Kaggle 等竞赛奖项
- 参与过开源 / 闭源大模型的 Alignment / Post-Training 项目经历
1、Post-Training Pipeline 设计与迭代：搭建并持续优化 SFT、RM、RLHF / RLAIF / RLVF 等后训练流水线，支持多模态模型的高效迭代，让千亿级大模型在一次次“后训练”中真正变得聪明、智慧、安全
2、可扩展监督与反馈系统：设计低成本人类 + AI 组合反馈机制，自动化完成偏好采集、对齐传递与数据质量评估，通过 Product-Research co-design 探索构建真实用户反馈的模型迭代机制
3、通用推理与工具使用能力提升：构建跨模态强化学习环境和多样化奖励体系，帮助模型学会调用外部工具、提升模型利用文本-图像-语音跨模态信息进行复杂推理和问题解决能力
4、长期记忆、个性化与终身学习：探索持久记忆与动态偏好建模，使模型能够跨会话记住用户偏好、持续学习而不遗忘核心能力
5、安全评估与价值观对齐：搭建安全对齐机制、红队测试、越狱防御与自动化评测框架，量化模型幻觉、稳定性及价值观一致性，制定风险缓解策略，确保模型在开放场景中始终行为可控
6、跨职能落地：与产品、设计、人文训练师及数据团队，把研究成果迅速推向真实场景，打造小红书下一代战略级 AI native 应用产品
任职要求：
1、扎实机器学习与深度学习基础，熟练掌握 PyTorch / JAX / TensorFlow 等任一框架
2、熟悉后训练常用技术（SFT、RLHF / DPO / RLAIF 等）或具备相关项目 / 竞赛 / 论文经验
3、具备 实验设计与问题定位能力，能独立分析大模型在不同数据分布和任务场景下的表现
4、善于沟通和团队协作，乐于在快速迭代中分享想法、推动落地
加分项
- 有深度参与贡献的顶会（ICML / NeurIPS / ICLR / ACL / CVPR 等）论文
- ACM-ICPC、NOI/IOI、Kaggle 等竞赛奖项
- 参与过开源 / 闭源大模型的 Alignment / Post-Training 项目经历
免责声明：
此信息由小红书官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“小红书官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！