主分类：搜索推荐与业务决策算法研发
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】AI搜索算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "杭州 / 北京",
"work_mode": "未披露",AI生成
"job_category": "J1004"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": "计算机、数学、人工智能或相关专业硕士及博士在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【快Star】AI搜索算法工程师\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：J1004\n工作地点：杭州 / 北京\n发布时间：2026-05-26\n\n岗位职责\n【团队介绍】电商AI搜索与多模态理解团队致力于构建文本大模型、视觉大模型、多模态搜索、User Agent新系统，应用于多种电商场景（如快手搜索Query改写/生成/意图识别、搜索相关性、拍照搜同款、图文相似款等)。团队一直坚持学术与业务并向发展的方式，目前在CVPR、WWW、AAAI、EMNLP、SIGIR等会议发表论文多篇 (其中一篇Shared Task Best Paper, 一篇Outstanding Paper)，并在国内知名赛事与榜单荣获过多项Top2成绩；内部提供充分的交流讨论，现有正式员工与实习同学均来自国内/全球顶尖学校；在这里你会有专业的Mentor实时指导技术创新与业务落地。我们团队的 OneSug、OneSearch、OneSearchV2等相关工作受到业界广泛关注。\n1、参与亿级用户规模的电商搜索业务优化，围绕核心业务指标（GMV、购买用户数、点击率、转化率等）开展算法研究与迭代，持续提升用户搜索购物体验，推动电商生态健康发展；\n2、深入设计与优化搜索全链路算法模块，包括但不限于：Query理解、召回、粗排、精排、混排、相关性计算、机制策略等；探索并应用序列建模、迁移学习、强化学习、对比学习、多模态大模型等前沿技术，提升模型智能化水平与业务效果；\n3、探索前沿的 NLP 技术：LLM驱动的搜索Query理解（Query改写/生成/意图识别）、基础相关性等，全链路拥抱LLM；\n4、基于LLM能力，探索新一代的AI搜索前沿场景和技术，包括端到端LLM4Search、LLM4Retrieval等；\n5、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持LLM生成算法的性能优化与落地；\n6、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究。\n\n任职要求\n1、计算机、数学、人工智能或相关专业硕士及博士在读，有扎实的机器学习和NLP算法基础；\n2、熟悉LLM工程技术和方法，并掌握大模型的微调和评估方法；有参与大模型研发者优先；\n3、熟悉深度学习框架，如TensorFlow、PyTorch等，有扎实的编程基础和代码实现能力；\n4、具备优秀的业务感知以及分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有高水平论文（如ACL、CVPR、NIPS、AAAI、ICML等)或者开源项目者优先；\n2、有大规模电商搜索、推荐、广告系统实践经验者优先；\n3、在多模态学习、大语言模型、强化学习、检索增强生成（RAG）、Agent等方向有深入研究或项目经验者优先。",
"requirements_text": "【快Star】AI搜索算法工程师\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：J1004\n工作地点：杭州 / 北京\n发布时间：2026-05-26\n\n岗位职责\n【团队介绍】电商AI搜索与多模态理解团队致力于构建文本大模型、视觉大模型、多模态搜索、User Agent新系统，应用于多种电商场景（如快手搜索Query改写/生成/意图识别、搜索相关性、拍照搜同款、图文相似款等)。团队一直坚持学术与业务并向发展的方式，目前在CVPR、WWW、AAAI、EMNLP、SIGIR等会议发表论文多篇 (其中一篇Shared Task Best Paper, 一篇Outstanding Paper)，并在国内知名赛事与榜单荣获过多项Top2成绩；内部提供充分的交流讨论，现有正式员工与实习同学均来自国内/全球顶尖学校；在这里你会有专业的Mentor实时指导技术创新与业务落地。我们团队的 OneSug、OneSearch、OneSearchV2等相关工作受到业界广泛关注。\n1、参与亿级用户规模的电商搜索业务优化，围绕核心业务指标（GMV、购买用户数、点击率、转化率等）开展算法研究与迭代，持续提升用户搜索购物体验，推动电商生态健康发展；\n2、深入设计与优化搜索全链路算法模块，包括但不限于：Query理解、召回、粗排、精排、混排、相关性计算、机制策略等；探索并应用序列建模、迁移学习、强化学习、对比学习、多模态大模型等前沿技术，提升模型智能化水平与业务效果；\n3、探索前沿的 NLP 技术：LLM驱动的搜索Query理解（Query改写/生成/意图识别）、基础相关性等，全链路拥抱LLM；\n4、基于LLM能力，探索新一代的AI搜索前沿场景和技术，包括端到端LLM4Search、LLM4Retrieval等；\n5、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持LLM生成算法的性能优化与落地；\n6、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究。\n\n任职要求\n1、计算机、数学、人工智能或相关专业硕士及博士在读，有扎实的机器学习和NLP算法基础；\n2、熟悉LLM工程技术和方法，并掌握大模型的微调和评估方法；有参与大模型研发者优先；\n3、熟悉深度学习框架，如TensorFlow、PyTorch等，有扎实的编程基础和代码实现能力；\n4、具备优秀的业务感知以及分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有高水平论文（如ACL、CVPR、NIPS、AAAI、ICML等)或者开源项目者优先；\n2、有大规模电商搜索、推荐、广告系统实践经验者优先；\n3、在多模态学习、大语言模型、强化学习、检索增强生成（RAG）、Agent等方向有深入研究或项目经验者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"搜索算法",
"性能优化",
"解决问题",
"建模",
"招聘",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "有参与大模型研发者优先；加分项：；1、有高水平论文（如ACL、CVPR、NIPS、AAAI、ICML等)或者开源项目者优先；2、有大规模电商搜索、推荐、广告系统实践经验者优先；3、在多模态学习、大语言模型、强化学习、检索增强生成（RAG）、Agent等方向有深入研究或项目经验者优先",
"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/12784?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "12784",
"post_date": "2026-05-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12784?recruitSubProjectCodes="
},
"fulltext": "【快Star】AI搜索算法工程师\n【快Star】AI搜索算法工程师\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：J1004\n工作地点：杭州 / 北京\n发布时间：2026-05-26\n\n岗位职责\n【团队介绍】电商AI搜索与多模态理解团队致力于构建文本大模型、视觉大模型、多模态搜索、User Agent新系统，应用于多种电商场景（如快手搜索Query改写/生成/意图识别、搜索相关性、拍照搜同款、图文相似款等)。团队一直坚持学术与业务并向发展的方式，目前在CVPR、WWW、AAAI、EMNLP、SIGIR等会议发表论文多篇 (其中一篇Shared Task Best Paper, 一篇Outstanding Paper)，并在国内知名赛事与榜单荣获过多项Top2成绩；内部提供充分的交流讨论，现有正式员工与实习同学均来自国内/全球顶尖学校；在这里你会有专业的Mentor实时指导技术创新与业务落地。我们团队的 OneSug、OneSearch、OneSearchV2等相关工作受到业界广泛关注。\n1、参与亿级用户规模的电商搜索业务优化，围绕核心业务指标（GMV、购买用户数、点击率、转化率等）开展算法研究与迭代，持续提升用户搜索购物体验，推动电商生态健康发展；\n2、深入设计与优化搜索全链路算法模块，包括但不限于：Query理解、召回、粗排、精排、混排、相关性计算、机制策略等；探索并应用序列建模、迁移学习、强化学习、对比学习、多模态大模型等前沿技术，提升模型智能化水平与业务效果；\n3、探索前沿的 NLP 技术：LLM驱动的搜索Query理解（Query改写/生成/意图识别）、基础相关性等，全链路拥抱LLM；\n4、基于LLM能力，探索新一代的AI搜索前沿场景和技术，包括端到端LLM4Search、LLM4Retrieval等；\n5、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持LLM生成算法的性能优化与落地；\n6、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究。\n\n任职要求\n1、计算机、数学、人工智能或相关专业硕士及博士在读，有扎实的机器学习和NLP算法基础；\n2、熟悉LLM工程技术和方法，并掌握大模型的微调和评估方法；有参与大模型研发者优先；\n3、熟悉深度学习框架，如TensorFlow、PyTorch等，有扎实的编程基础和代码实现能力；\n4、具备优秀的业务感知以及分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有高水平论文（如ACL、CVPR、NIPS、AAAI、ICML等)或者开源项目者优先；\n2、有大规模电商搜索、推荐、广告系统实践经验者优先；\n3、在多模态学习、大语言模型、强化学习、检索增强生成（RAG）、Agent等方向有深入研究或项目经验者优先。\n【快Star】AI搜索算法工程师\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：J1004\n工作地点：杭州 / 北京\n发布时间：2026-05-26\n\n岗位职责\n【团队介绍】电商AI搜索与多模态理解团队致力于构建文本大模型、视觉大模型、多模态搜索、User Agent新系统，应用于多种电商场景（如快手搜索Query改写/生成/意图识别、搜索相关性、拍照搜同款、图文相似款等)。团队一直坚持学术与业务并向发展的方式，目前在CVPR、WWW、AAAI、EMNLP、SIGIR等会议发表论文多篇 (其中一篇Shared Task Best Paper, 一篇Outstanding Paper)，并在国内知名赛事与榜单荣获过多项Top2成绩；内部提供充分的交流讨论，现有正式员工与实习同学均来自国内/全球顶尖学校；在这里你会有专业的Mentor实时指导技术创新与业务落地。我们团队的 OneSug、OneSearch、OneSearchV2等相关工作受到业界广泛关注。\n1、参与亿级用户规模的电商搜索业务优化，围绕核心业务指标（GMV、购买用户数、点击率、转化率等）开展算法研究与迭代，持续提升用户搜索购物体验，推动电商生态健康发展；\n2、深入设计与优化搜索全链路算法模块，包括但不限于：Query理解、召回、粗排、精排、混排、相关性计算、机制策略等；探索并应用序列建模、迁移学习、强化学习、对比学习、多模态大模型等前沿技术，提升模型智能化水平与业务效果；\n3、探索前沿的 NLP 技术：LLM驱动的搜索Query理解（Query改写/生成/意图识别）、基础相关性等，全链路拥抱LLM；\n4、基于LLM能力，探索新一代的AI搜索前沿场景和技术，包括端到端LLM4Search、LLM4Retrieval等；\n5、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持LLM生成算法的性能优化与落地；\n6、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究。\n\n任职要求\n1、计算机、数学、人工智能或相关专业硕士及博士在读，有扎实的机器学习和NLP算法基础；\n2、熟悉LLM工程技术和方法，并掌握大模型的微调和评估方法；有参与大模型研发者优先；\n3、熟悉深度学习框架，如TensorFlow、PyTorch等，有扎实的编程基础和代码实现能力；\n4、具备优秀的业务感知以及分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有高水平论文（如ACL、CVPR、NIPS、AAAI、ICML等)或者开源项目者优先；\n2、有大规模电商搜索、推荐、广告系统实践经验者优先；\n3、在多模态学习、大语言模型、强化学习、检索增强生成（RAG）、Agent等方向有深入研究或项目经验者优先。\n【快Star】AI搜索算法工程师\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：J1004\n工作地点：杭州 / 北京\n发布时间：2026-05-26\n\n岗位职责\n【团队介绍】电商AI搜索与多模态理解团队致力于构建文本大模型、视觉大模型、多模态搜索、User Agent新系统，应用于多种电商场景（如快手搜索Query改写/生成/意图识别、搜索相关性、拍照搜同款、图文相似款等)。团队一直坚持学术与业务并向发展的方式，目前在CVPR、WWW、AAAI、EMNLP、SIGIR等会议发表论文多篇 (其中一篇Shared Task Best Paper, 一篇Outstanding Paper)，并在国内知名赛事与榜单荣获过多项Top2成绩；内部提供充分的交流讨论，现有正式员工与实习同学均来自国内/全球顶尖学校；在这里你会有专业的Mentor实时指导技术创新与业务落地。我们团队的 OneSug、OneSearch、OneSearchV2等相关工作受到业界广泛关注。\n1、参与亿级用户规模的电商搜索业务优化，围绕核心业务指标（GMV、购买用户数、点击率、转化率等）开展算法研究与迭代，持续提升用户搜索购物体验，推动电商生态健康发展；\n2、深入设计与优化搜索全链路算法模块，包括但不限于：Query理解、召回、粗排、精排、混排、相关性计算、机制策略等；探索并应用序列建模、迁移学习、强化学习、对比学习、多模态大模型等前沿技术，提升模型智能化水平与业务效果；\n3、探索前沿的 NLP 技术：LLM驱动的搜索Query理解（Query改写/生成/意图识别）、基础相关性等，全链路拥抱LLM；\n4、基于LLM能力，探索新一代的AI搜索前沿场景和技术，包括端到端LLM4Search、LLM4Retrieval等；\n5、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持LLM生成算法的性能优化与落地；\n6、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究。\n\n任职要求\n1、计算机、数学、人工智能或相关专业硕士及博士在读，有扎实的机器学习和NLP算法基础；\n2、熟悉LLM工程技术和方法，并掌握大模型的微调和评估方法；有参与大模型研发者优先；\n3、熟悉深度学习框架，如TensorFlow、PyTorch等，有扎实的编程基础和代码实现能力；\n4、具备优秀的业务感知以及分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有高水平论文（如ACL、CVPR、NIPS、AAAI、ICML等)或者开源项目者优先；\n2、有大规模电商搜索、推荐、广告系统实践经验者优先；\n3、在多模态学习、大语言模型、强化学习、检索增强生成（RAG）、Agent等方向有深入研究或项目经验者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}