主分类：大模型与生成式算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "【快Star】多模态生成算法研究员-【可灵AI】",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京 / 上海 / 深圳",
"work_mode": "未披露",AI生成
"job_category": "J1007"AI生成
},
"company": {
"company_name": "快手科技",
"company_industry": "内容社区 / 直播 / 电商 / 人工智能",
"company_size": "10000人以上",
"company_website": "kuaishou.com",
"company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【快Star】多模态生成算法研究员-【可灵AI】\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1007\n工作地点：北京 / 上海 / 深圳\n发布时间：2026-05-25\n\n岗位职责\n1、负责多模态生成大模型相关算法研究与落地，包括文本、图像、视频、音频、动作、镜头、ID 等多条件驱动的视频生成；\n2、参与模型架构设计、预训练、后训练和实际业务效果提升；\n3、重点解决高质量视频生成中的人物一致性、动作合理性、长时序稳定性、可控生成和低成本高品质生成等问题。\n\n任职要求\n1、熟悉 Flow Matching / DiT / MLLM 等相关技术，有生成模型项目经验；\n2、具备较强代码能力和实验能力，有大模型训练、调参、debug 经验；\n4、对数据、模型结构、loss、训练稳定性和生成效果有较好的判断力；\n5、好奇心强，思路灵活，技术追求高，做事靠谱、细致、有责任心，能够持续跟进前沿技术并落地验证；\n6、熟练使用 AI coding/agent 工具，能够提升研发和实验效率。\n加分项：\n1、有顶会论文、开源项目、产品落地或大规模模型训练经验；\n2、在ACM-ICPC、NOI / IOI 等竞赛中取得优秀成绩。",
"requirements_text": "【快Star】多模态生成算法研究员-【可灵AI】\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1007\n工作地点：北京 / 上海 / 深圳\n发布时间：2026-05-25\n\n岗位职责\n1、负责多模态生成大模型相关算法研究与落地，包括文本、图像、视频、音频、动作、镜头、ID 等多条件驱动的视频生成；\n2、参与模型架构设计、预训练、后训练和实际业务效果提升；\n3、重点解决高质量视频生成中的人物一致性、动作合理性、长时序稳定性、可控生成和低成本高品质生成等问题。\n\n任职要求\n1、熟悉 Flow Matching / DiT / MLLM 等相关技术，有生成模型项目经验；\n2、具备较强代码能力和实验能力，有大模型训练、调参、debug 经验；\n4、对数据、模型结构、loss、训练稳定性和生成效果有较好的判断力；\n5、好奇心强，思路灵活，技术追求高，做事靠谱、细致、有责任心，能够持续跟进前沿技术并落地验证；\n6、熟练使用 AI coding/agent 工具，能够提升研发和实验效率。\n加分项：\n1、有顶会论文、开源项目、产品落地或大规模模型训练经验；\n2、在ACM-ICPC、NOI / IOI 等竞赛中取得优秀成绩。",
"skills": [AI生成
"模型训练",
"架构设计",
"招聘",
"大语言模型"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12762?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "12762",
"post_date": "2026-05-25",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12762?recruitSubProjectCodes="
},
"fulltext": "【快Star】多模态生成算法研究员-【可灵AI】\n【快Star】多模态生成算法研究员-【可灵AI】\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1007\n工作地点：北京 / 上海 / 深圳\n发布时间：2026-05-25\n\n岗位职责\n1、负责多模态生成大模型相关算法研究与落地，包括文本、图像、视频、音频、动作、镜头、ID 等多条件驱动的视频生成；\n2、参与模型架构设计、预训练、后训练和实际业务效果提升；\n3、重点解决高质量视频生成中的人物一致性、动作合理性、长时序稳定性、可控生成和低成本高品质生成等问题。\n\n任职要求\n1、熟悉 Flow Matching / DiT / MLLM 等相关技术，有生成模型项目经验；\n2、具备较强代码能力和实验能力，有大模型训练、调参、debug 经验；\n4、对数据、模型结构、loss、训练稳定性和生成效果有较好的判断力；\n5、好奇心强，思路灵活，技术追求高，做事靠谱、细致、有责任心，能够持续跟进前沿技术并落地验证；\n6、熟练使用 AI coding/agent 工具，能够提升研发和实验效率。\n加分项：\n1、有顶会论文、开源项目、产品落地或大规模模型训练经验；\n2、在ACM-ICPC、NOI / IOI 等竞赛中取得优秀成绩。\n【快Star】多模态生成算法研究员-【可灵AI】\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1007\n工作地点：北京 / 上海 / 深圳\n发布时间：2026-05-25\n\n岗位职责\n1、负责多模态生成大模型相关算法研究与落地，包括文本、图像、视频、音频、动作、镜头、ID 等多条件驱动的视频生成；\n2、参与模型架构设计、预训练、后训练和实际业务效果提升；\n3、重点解决高质量视频生成中的人物一致性、动作合理性、长时序稳定性、可控生成和低成本高品质生成等问题。\n\n任职要求\n1、熟悉 Flow Matching / DiT / MLLM 等相关技术，有生成模型项目经验；\n2、具备较强代码能力和实验能力，有大模型训练、调参、debug 经验；\n4、对数据、模型结构、loss、训练稳定性和生成效果有较好的判断力；\n5、好奇心强，思路灵活，技术追求高，做事靠谱、细致、有责任心，能够持续跟进前沿技术并落地验证；\n6、熟练使用 AI coding/agent 工具，能够提升研发和实验效率。\n加分项：\n1、有顶会论文、开源项目、产品落地或大规模模型训练经验；\n2、在ACM-ICPC、NOI / IOI 等竞赛中取得优秀成绩。\n【快Star】多模态生成算法研究员-【可灵AI】\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1007\n工作地点：北京 / 上海 / 深圳\n发布时间：2026-05-25\n\n岗位职责\n1、负责多模态生成大模型相关算法研究与落地，包括文本、图像、视频、音频、动作、镜头、ID 等多条件驱动的视频生成；\n2、参与模型架构设计、预训练、后训练和实际业务效果提升；\n3、重点解决高质量视频生成中的人物一致性、动作合理性、长时序稳定性、可控生成和低成本高品质生成等问题。\n\n任职要求\n1、熟悉 Flow Matching / DiT / MLLM 等相关技术，有生成模型项目经验；\n2、具备较强代码能力和实验能力，有大模型训练、调参、debug 经验；\n4、对数据、模型结构、loss、训练稳定性和生成效果有较好的判断力；\n5、好奇心强，思路灵活，技术追求高，做事靠谱、细致、有责任心，能够持续跟进前沿技术并落地验证；\n6、熟练使用 AI coding/agent 工具，能够提升研发和实验效率。\n加分项：\n1、有顶会论文、开源项目、产品落地或大规模模型训练经验；\n2、在ACM-ICPC、NOI / IOI 等竞赛中取得优秀成绩。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}