LLM 后训练算法工程师（日常实习）· 2026-08-27

小红书招 LLM 后训练算法日常实习，方向覆盖 SFT/RL 对齐、Reasoning、Agentic RL 与合成数据，H800 资源充足，Leader 亲自带队。

【岗位定位】 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，通过提升 AI 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、客服及智能发布等核心场景。 【工作内容】 1. 大规模对齐与强化学习：研发并优化 SFT、RL（如 GRPO 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。 2. 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，提升模型的 System 2 思维能力。 3. Agentic RL 与 Agency：研发面向 Search Agent、Code Agent 和 Tool-use Agent 的强化学习方案，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。 4. 合成数据与模型进化：探索高质量合成数据的生成与过滤技术，实现模型能力的自我循环与持续进化。 【福利】 · 顶配资源：充足的 H800 计算资源，支持任何前沿想法的验证。 · 数据高地：亿级 UGC 图文/视频数据，独一无二的真实业务反馈闭环。 · 技术导向：团队大牛云集，Leader 亲自带队，撰写高质量技术报告与论文，打造行业影响力。 · 快速成长：处于 AGI 落地爆发期，你的算法将直接改变亿级用户的搜索与创作体验。 【投递方式】 邮件主题格式：姓名-学校-实习-最早入职时间（for 实习）-实习时长。如果超过两周没有回复邮件，也可以私信原帖作者。

· 工作经验：在读学生；学历要求：硕士及以上。 · 背景：计算机、数学等相关专业硕士/博士在读；深入理解 Transformer 架构及大模型训练全流程。 · 专业深耕：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。 · 工程能力：熟练使用 PyTorch，有 DeepSpeed、Megatron-LM 或 Ray 等大规模分布式训练实战经验。 · 加分项：在 NeurIPS、ICML、ICLR、ACL 等顶会发表过高质量论文；在 LLM 大家关注的 Benchmark 榜单有深入研究或优异表现；有大规模集群调优经验或知名开源 LLM 项目核心贡献者。