职位详情

职位列表 链接有效 不适用(官网全量采集) official:kuaishou:12763

【快Star】强化学习算法研究员-【可灵AI】

未披露 · 北京 / 深圳 / 上海 · 快手科技

主分类:大模型与生成式算法研发
算法与数据
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】强化学习算法研究员-【可灵AI】",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京 / 深圳 / 上海",
        "work_mode": "未披露",AI生成
        "job_category": "J1001"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】强化学习算法研究员-【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:J1001\n工作地点:北京 / 深圳 / 上海\n发布时间:2026-05-25\n\n岗位职责\n1、面向多模态模型,负责强化学习、奖励模型等算法研究与落地;\n2、构建适用于多模态生成的 reward 体系,推动模型从监督训练走向持续优化和自我提升。\n\n任职要求\n1、在强化学习、多模态生成模型、模型对齐、奖励模型等至少一个方向有项目经验;\n2、具备扎实代码能力和实验能力,有大模型训练、调参、debug 经验;\n3、好奇心强,思路灵活,做事靠谱细致,有责任心,能推动开放问题持续迭代;\n4、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】强化学习算法研究员-【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:J1001\n工作地点:北京 / 深圳 / 上海\n发布时间:2026-05-25\n\n岗位职责\n1、面向多模态模型,负责强化学习、奖励模型等算法研究与落地;\n2、构建适用于多模态生成的 reward 体系,推动模型从监督训练走向持续优化和自我提升。\n\n任职要求\n1、在强化学习、多模态生成模型、模型对齐、奖励模型等至少一个方向有项目经验;\n2、具备扎实代码能力和实验能力,有大模型训练、调参、debug 经验;\n3、好奇心强,思路灵活,做事靠谱细致,有责任心,能推动开放问题持续迭代;\n4、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
            "强化学习",
            "模型训练",
            "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/12763?recruitSubProjectCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "12763",
        "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/12763?recruitSubProjectCodes="
    },
    "fulltext": "【快Star】强化学习算法研究员-【可灵AI】\n【快Star】强化学习算法研究员-【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:J1001\n工作地点:北京 / 深圳 / 上海\n发布时间:2026-05-25\n\n岗位职责\n1、面向多模态模型,负责强化学习、奖励模型等算法研究与落地;\n2、构建适用于多模态生成的 reward 体系,推动模型从监督训练走向持续优化和自我提升。\n\n任职要求\n1、在强化学习、多模态生成模型、模型对齐、奖励模型等至少一个方向有项目经验;\n2、具备扎实代码能力和实验能力,有大模型训练、调参、debug 经验;\n3、好奇心强,思路灵活,做事靠谱细致,有责任心,能推动开放问题持续迭代;\n4、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】强化学习算法研究员-【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:J1001\n工作地点:北京 / 深圳 / 上海\n发布时间:2026-05-25\n\n岗位职责\n1、面向多模态模型,负责强化学习、奖励模型等算法研究与落地;\n2、构建适用于多模态生成的 reward 体系,推动模型从监督训练走向持续优化和自我提升。\n\n任职要求\n1、在强化学习、多模态生成模型、模型对齐、奖励模型等至少一个方向有项目经验;\n2、具备扎实代码能力和实验能力,有大模型训练、调参、debug 经验;\n3、好奇心强,思路灵活,做事靠谱细致,有责任心,能推动开放问题持续迭代;\n4、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】强化学习算法研究员-【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:J1001\n工作地点:北京 / 深圳 / 上海\n发布时间:2026-05-25\n\n岗位职责\n1、面向多模态模型,负责强化学习、奖励模型等算法研究与落地;\n2、构建适用于多模态生成的 reward 体系,推动模型从监督训练走向持续优化和自我提升。\n\n任职要求\n1、在强化学习、多模态生成模型、模型对齐、奖励模型等至少一个方向有项目经验;\n2、具备扎实代码能力和实验能力,有大模型训练、调参、debug 经验;\n3、好奇心强,思路灵活,做事靠谱细致,有责任心,能推动开放问题持续迭代;\n4、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"
    }
}