「校招生如果有自己的想法,能申请人力和算力资源吗?」 「AI越来越能写代码,我们进去以后主要做什么?」 「新人提的想法,Leader真的会听吗?」 「AI时代下,该如何发展自己?」
11月14日、15日,量子位在小红书北京办公室深潜了两个下午,感受了一场画风不太一样的技术校招。
没有太多台上的枯燥介绍,这场沙龙把更多时间留给台下的 AMA(Ask Me Anything) 环节。
校招生们和未来可能共事的技术Leader坐下来,从技术方向、团队氛围,一直聊到绩效、个人发展。
为了这场线下交流,有学生专程从上海、南京、香港等地赶来,还有正在新加坡读书的应届生,连夜飞到了北京。
学生们的问题一个比一个实在,技术Leader们也不藏着掖着。一位从新加坡赶来的应聘者告诉量子位:
听到某位应届生在小红书开店盈利过万后,技术Leader眼睛都亮了,急问对方小红书的商家工作台「千帆」好不好用,还有哪些功能需要改进。
他在某大厂实习时,参与过AI提效相关的工作,可做着做着,却开始担忧, 自己是不是正在亲手淘汰未来的自己?
学生们关心, AI能在推荐算法里发挥什么作用?大模型能不能结合用户过去的行为,帮他发现一个自己都没意识到的新兴趣?
甚至在此前的一场校招交流中,还有学生问过小红书自研大模型Dots团队多模态算法负责人柯雄: 市面上的大模型已经这么多了,小红书为什么还要自己做一个?
柯雄当时的回答是:做一个理解生活、还能帮用户解决复杂问题的大模型不易,背后可能涉及导游、设计师、采购等好几个角色的工作。
平台有海量图文笔记、视频,以及评论区语音等多模态内容,用户经常会用一大段自然语言描述自己的生活问题。
但要把这样一个大模型真正做出来,算力、数据、基础设施,以及上层的搜索、推荐等业务系统,都得跟上。
今年, 小红书首次面向校招生开放了PE(Product Engineer,产品工程师) 专项。
过去,前端、客户端、后端各有分工。但现在,借助AI,工程师有机会走出自己熟悉的技术模块,从理解产品需求、设计方案,到开发交付,都参与进来。
量子位在现场还了解到,去年,交易与基础数仓组有一个岗位叫「数据开发」, 今年招聘时已经变成了「AI应用与开发」 。
听说今年校招, 部分非技术岗需要完成AI Demo的笔试 ,才有机会拿offer。(好好好,Vibe Coding都卷起来吧!)
比如 推荐算法团队,基于Agent的交互式推荐已经上线 ,用户可以根据自己的偏好调节推荐系统。
看到感兴趣的内容时,用户在评论区直接写:多推类似内容。Agent就可以识别出,让推荐系统更懂用户。
交易与基础数仓团队,也搭建了Data Agent。 每个人根据负责的业务方向,开发不同的Skills、建设知识库,再比较各自Agent的准确率,把好用的能力逐渐整合起来。
「同样解决一个推荐问题,有人用大模型,投入大量算力,最后拿到的业务收益,却可能和别人使用简单策略差不多。那这大模型用得值不值?」
姬昊觉得,刚从学校出来的学生,有一个优势:还没有被工业界现有的工作框架束缚,容易提出一些不一样的想法。
沙龙现场,一位计算机方向的博士告诉量子位,相比单纯比较薪资,他更关心未来两年能获得怎样确定性的成长。
小红书也准备了一套 分层培养体系 ,从校招新人到团队Leader,每个阶段都有对应的培养项目。
但对手握3个以上offer的应聘者来说,培养项目是一方面,更重要的,是自己的业务能力能得到怎样的锻炼。
夏奇所在的Media Lab,平时就和视频清晰度、流畅度较劲,让用户在弱网环境下也能看得清、刷得顺。
夏奇负责画质增强算法统筹和档位设计。足球转播有大量远景镜头,球员在画面里可能只占几个像素。直接套用已有算法,球员的头部、四肢等细节反倒被抹掉了。
为了找出问题,她和团队把画面放到大电视上逐帧排查,再用大量足球比赛画面重新训练模型,球员的细节才保住了。
入职不到一年,皓麟就牵头做了小红书3D空间照片的技术探索,从最初的技术验证,一直参与到产品上线。
此前,3D空间照片主要留在用户手机相册中。想让这种具有空间信息的照片在社交平台上流转,需要解决不少麻烦。
可皓麟觉得,传统社交平台上的图片、视频、Live Photo,已经存在很多年,3D空间照片有没有机会成为新的内容形式?他想试试。
但技术预研阶段包含失败的可能。皓麟说,团队 不要求他每一次尝试都立刻产生业务结果。 失败同样能够带来技术积累。
这件事最终做成了。从提出想法,到解决技术问题,再到推动产品上线,一个年轻工程师有了属于自己的代表作。
在沙龙现场,夏奇遇到一位候选人,对方在交流中提出了一个idea:用户只需要说一句「帮我把这张图片变清晰」,就能调用背后的算法能力。
从最初做推荐算法的召回、精排,到如今负责搜索广告相关性和预估模型技术、带领自己的团队, 他把这段经历形容为「狂野生长」。
至于为什么一待就是5年半,幻翎的回答也很实在:小红书一直在往前走,我也总有新的东西可以学、新的事情可以做。
假如一个推荐策略让用户停留时间更长,却更多 推送一些不符合社区主张、可能损害社区内容生态或用户体验的内容,即使数据再漂亮,也不能直接上线。
在姬昊看来, 国内头部互联网公司的搜广推技术水平,没有想象中那么大的差距。 一家验证有效的技术,其他公司很快也能跟进。
姬昊还记得, 小红书语音评论功能 做出来后,一些残障用户有了新的表达方式,也让更多人有机会听见他们的声音。
算法最终呈现给用户什么内容,哪些体验值得坚持,什么样的收益可以放弃,都需要技术人员参与判断。
正在加载评论…