小红书(xiaohongshu)招聘AI工程实习生（科研赛道）— 可转正
招聘职位：
AI工程实习生（科研赛道）— 可转正 搜索同类职位
岗位职责：
本次实习计划围绕 AI 编程提效 和 端智能开发 两大科研方向展开，期待博士实习生以"研究员"视角深入业务，产出兼具学术价值和工程落地意义的成果。
1. AI 编程提效方向
目标：以 AI 技术重构软件开发流程，在代码生成、缺陷检测、需求理解等核心环节做出可量化的效率提升，并探索具备发表价值的新方法。
实习内容：
研究基于 LLM 的代码生成与自动重构方法，探索 chain-of-thought、program synthesis 等范式在代码领域的新应用；
深入智能 Bug 检测与自动修复课题，结合静态分析与神经网络研究 fault localization 和 LLM 辅助的 patch 生成机制；
探索从 PRD / Figma / 自然语言需求到可执行代码的端到端意图对齐方案；
基于 Agentic RAG、知识图谱构建企业级代码库问答与文档智能生成系统，研究检索增强在长上下文场景下的边界问题；
开展 LLM 驱动的测试用例自动生成、覆盖率引导测试及结果分析等测试智能化研究。
2. 端智能开发方向
目标：在移动端等资源受限场景下，系统性地研究高效 AI 模型部署与推理方法，推动前沿成果在真实业务中落地。
实习内容：
深度探索模型剪枝、量化（PTQ / QAT）、知识蒸馏等轻量化方法，研究精度–效率 Pareto 前沿的突破路径；
研究端云协同推理中的模型分割、动态路由与自适应卸载策略，在延迟、带宽、隐私之间寻求最优权衡；
探索联邦学习、差分隐私与端侧个性化模型更新的结合机制，解决端侧数据隐私保护问题；
落地移动端图像识别、用户行为序列建模、实时语音 / 视频理解等端侧智能场景，在真实业务数据上完成评估与优化。
任职要求：
1、学历背景：计算机科学、软件工程、人工智能、电子信息、自动化等相关专业在读博士生（直博 / 硕博连读均可）；每周至少 4 天在岗，连续实习 6 个月以上。
2、技能要求：
熟练掌握 Python，具备扎实的工程编码能力；
熟悉 PyTorch 或 TensorFlow，能独立复现论文实验；
了解 Transformer 架构原理，有 fine-tuning / RLHF / RAG 相关实践经验者优先；
端智能方向：了解 Android / iOS 开发，或熟悉 TensorFlow Lite / CoreML / ONNX Runtime 等端侧推理框架者优先；
有 CCF-A/B 类或 CORE A*/A 类期刊 / 会议论文（在投或已发表）者优先。
3、综合素质：具备问题驱动的科研习惯，能从业务场景中抽象研究问题；有良好的写作与表达能力；自驱力强，能在学术与工程双重节奏中主动推进研究。
本次实习计划围绕 AI 编程提效 和 端智能开发 两大科研方向展开，期待博士实习生以"研究员"视角深入业务，产出兼具学术价值和工程落地意义的成果。
1. AI 编程提效方向
目标：以 AI 技术重构软件开发流程，在代码生成、缺陷检测、需求理解等核心环节做出可量化的效率提升，并探索具备发表价值的新方法。
实习内容：
研究基于 LLM 的代码生成与自动重构方法，探索 chain-of-thought、program synthesis 等范式在代码领域的新应用；
深入智能 Bug 检测与自动修复课题，结合静态分析与神经网络研究 fault localization 和 LLM 辅助的 patch 生成机制；
探索从 PRD / Figma / 自然语言需求到可执行代码的端到端意图对齐方案；
基于 Agentic RAG、知识图谱构建企业级代码库问答与文档智能生成系统，研究检索增强在长上下文场景下的边界问题；
开展 LLM 驱动的测试用例自动生成、覆盖率引导测试及结果分析等测试智能化研究。
2. 端智能开发方向
目标：在移动端等资源受限场景下，系统性地研究高效 AI 模型部署与推理方法，推动前沿成果在真实业务中落地。
实习内容：
深度探索模型剪枝、量化（PTQ / QAT）、知识蒸馏等轻量化方法，研究精度–效率 Pareto 前沿的突破路径；
研究端云协同推理中的模型分割、动态路由与自适应卸载策略，在延迟、带宽、隐私之间寻求最优权衡；
探索联邦学习、差分隐私与端侧个性化模型更新的结合机制，解决端侧数据隐私保护问题；
落地移动端图像识别、用户行为序列建模、实时语音 / 视频理解等端侧智能场景，在真实业务数据上完成评估与优化。
任职要求：
1、学历背景：计算机科学、软件工程、人工智能、电子信息、自动化等相关专业在读博士生（直博 / 硕博连读均可）；每周至少 4 天在岗，连续实习 6 个月以上。
2、技能要求：
熟练掌握 Python，具备扎实的工程编码能力；
熟悉 PyTorch 或 TensorFlow，能独立复现论文实验；
了解 Transformer 架构原理，有 fine-tuning / RLHF / RAG 相关实践经验者优先；
端智能方向：了解 Android / iOS 开发，或熟悉 TensorFlow Lite / CoreML / ONNX Runtime 等端侧推理框架者优先；
有 CCF-A/B 类或 CORE A*/A 类期刊 / 会议论文（在投或已发表）者优先。
3、综合素质：具备问题驱动的科研习惯，能从业务场景中抽象研究问题；有良好的写作与表达能力；自驱力强，能在学术与工程双重节奏中主动推进研究。
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！
