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】多模态搜索算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "杭州",
"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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【快Star】多模态搜索算法工程师\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\n发布时间：2026-05-26\n\n岗位职责\n1、负责快手搜索（综合短视频、直播、用户、本地等业务）的多模态相关性建模，研究 Query 与视频/图像内容的细粒度语义对齐，定义并迭代可优化的相关性奖励信号（包括标注体系设计、人工标注与 LLM-as-a-judge 协同、用户行为信号融合等），系统性提升搜索相关性核心指标；\n2、负责视频多模态表征学习，融合视觉帧、ASR、OCR、封面、标题、互动信号等多源异构信息，在原始文本质量参差、噪声大的条件下构建鲁棒的内容理解与相关性特征体系；探索多模态预训练、对比学习、跨模态对齐等前沿方法在搜索场景的落地；\n3、负责大模型（LLM/VLM）在搜索相关性打分上的应用与线上化，研究模型蒸馏、量化（FP8/INT4 等）、MoE 稀疏化、推测解码（MTP/EAGLE）、kv cache、稀疏注意力等推理优化技术，在精排链路延迟与吞吐约束下最大化模型容量与打分质量；\n4、探索 SFT、DPO、RLHF 、GRPO 等强化学习和对齐方法在相关性建模中的应用，结合在线 A/B 反馈与用户行为信号构建端到端的相关性优化闭环，平衡相关性、消费等多目标；\n5、跟进多模态搜索、视觉语言模型、生成式检索、Agentic Search 等业界前沿，推动技术在快手搜索业务上的突破与落地。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学相关专业；\n2、有较强的工程实现能力，熟悉大模型基本原理以及 SFT 和强化学习等大模型后训练技术，熟悉常用的大模型训练和推理框架；\n3、在大语言模型或多模态大模型方向有较深入的研究经验，熟悉相关方向的技术发展，善于利用各类技术解决复杂的实际问题。\n加分项：\n1、有大语言模型、多模态大模型的复杂项目落地经验；\n2、在计算机视觉、自然语言处理、多模态、机器学习等相关领域有顶级国际会议论文发表；\n3、在 ACM-ICPC / NOI / IOI 编程竞赛或机器学习相关竞赛拿过奖项。",
"requirements_text": "【快Star】多模态搜索算法工程师\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\n发布时间：2026-05-26\n\n岗位职责\n1、负责快手搜索（综合短视频、直播、用户、本地等业务）的多模态相关性建模，研究 Query 与视频/图像内容的细粒度语义对齐，定义并迭代可优化的相关性奖励信号（包括标注体系设计、人工标注与 LLM-as-a-judge 协同、用户行为信号融合等），系统性提升搜索相关性核心指标；\n2、负责视频多模态表征学习，融合视觉帧、ASR、OCR、封面、标题、互动信号等多源异构信息，在原始文本质量参差、噪声大的条件下构建鲁棒的内容理解与相关性特征体系；探索多模态预训练、对比学习、跨模态对齐等前沿方法在搜索场景的落地；\n3、负责大模型（LLM/VLM）在搜索相关性打分上的应用与线上化，研究模型蒸馏、量化（FP8/INT4 等）、MoE 稀疏化、推测解码（MTP/EAGLE）、kv cache、稀疏注意力等推理优化技术，在精排链路延迟与吞吐约束下最大化模型容量与打分质量；\n4、探索 SFT、DPO、RLHF 、GRPO 等强化学习和对齐方法在相关性建模中的应用，结合在线 A/B 反馈与用户行为信号构建端到端的相关性优化闭环，平衡相关性、消费等多目标；\n5、跟进多模态搜索、视觉语言模型、生成式检索、Agentic Search 等业界前沿，推动技术在快手搜索业务上的突破与落地。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学相关专业；\n2、有较强的工程实现能力，熟悉大模型基本原理以及 SFT 和强化学习等大模型后训练技术，熟悉常用的大模型训练和推理框架；\n3、在大语言模型或多模态大模型方向有较深入的研究经验，熟悉相关方向的技术发展，善于利用各类技术解决复杂的实际问题。\n加分项：\n1、有大语言模型、多模态大模型的复杂项目落地经验；\n2、在计算机视觉、自然语言处理、多模态、机器学习等相关领域有顶级国际会议论文发表；\n3、在 ACM-ICPC / NOI / IOI 编程竞赛或机器学习相关竞赛拿过奖项。",
"skills": [AI生成
"机器学习",
"强化学习",
"自然语言处理",
"计算机视觉",
"搜索算法",
"模型训练",
"建模",
"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/12805?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "12805",
"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/12805?recruitSubProjectCodes="
},
"fulltext": "【快Star】多模态搜索算法工程师\n【快Star】多模态搜索算法工程师\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\n发布时间：2026-05-26\n\n岗位职责\n1、负责快手搜索（综合短视频、直播、用户、本地等业务）的多模态相关性建模，研究 Query 与视频/图像内容的细粒度语义对齐，定义并迭代可优化的相关性奖励信号（包括标注体系设计、人工标注与 LLM-as-a-judge 协同、用户行为信号融合等），系统性提升搜索相关性核心指标；\n2、负责视频多模态表征学习，融合视觉帧、ASR、OCR、封面、标题、互动信号等多源异构信息，在原始文本质量参差、噪声大的条件下构建鲁棒的内容理解与相关性特征体系；探索多模态预训练、对比学习、跨模态对齐等前沿方法在搜索场景的落地；\n3、负责大模型（LLM/VLM）在搜索相关性打分上的应用与线上化，研究模型蒸馏、量化（FP8/INT4 等）、MoE 稀疏化、推测解码（MTP/EAGLE）、kv cache、稀疏注意力等推理优化技术，在精排链路延迟与吞吐约束下最大化模型容量与打分质量；\n4、探索 SFT、DPO、RLHF 、GRPO 等强化学习和对齐方法在相关性建模中的应用，结合在线 A/B 反馈与用户行为信号构建端到端的相关性优化闭环，平衡相关性、消费等多目标；\n5、跟进多模态搜索、视觉语言模型、生成式检索、Agentic Search 等业界前沿，推动技术在快手搜索业务上的突破与落地。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学相关专业；\n2、有较强的工程实现能力，熟悉大模型基本原理以及 SFT 和强化学习等大模型后训练技术，熟悉常用的大模型训练和推理框架；\n3、在大语言模型或多模态大模型方向有较深入的研究经验，熟悉相关方向的技术发展，善于利用各类技术解决复杂的实际问题。\n加分项：\n1、有大语言模型、多模态大模型的复杂项目落地经验；\n2、在计算机视觉、自然语言处理、多模态、机器学习等相关领域有顶级国际会议论文发表；\n3、在 ACM-ICPC / NOI / IOI 编程竞赛或机器学习相关竞赛拿过奖项。\n【快Star】多模态搜索算法工程师\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\n发布时间：2026-05-26\n\n岗位职责\n1、负责快手搜索（综合短视频、直播、用户、本地等业务）的多模态相关性建模，研究 Query 与视频/图像内容的细粒度语义对齐，定义并迭代可优化的相关性奖励信号（包括标注体系设计、人工标注与 LLM-as-a-judge 协同、用户行为信号融合等），系统性提升搜索相关性核心指标；\n2、负责视频多模态表征学习，融合视觉帧、ASR、OCR、封面、标题、互动信号等多源异构信息，在原始文本质量参差、噪声大的条件下构建鲁棒的内容理解与相关性特征体系；探索多模态预训练、对比学习、跨模态对齐等前沿方法在搜索场景的落地；\n3、负责大模型（LLM/VLM）在搜索相关性打分上的应用与线上化，研究模型蒸馏、量化（FP8/INT4 等）、MoE 稀疏化、推测解码（MTP/EAGLE）、kv cache、稀疏注意力等推理优化技术，在精排链路延迟与吞吐约束下最大化模型容量与打分质量；\n4、探索 SFT、DPO、RLHF 、GRPO 等强化学习和对齐方法在相关性建模中的应用，结合在线 A/B 反馈与用户行为信号构建端到端的相关性优化闭环，平衡相关性、消费等多目标；\n5、跟进多模态搜索、视觉语言模型、生成式检索、Agentic Search 等业界前沿，推动技术在快手搜索业务上的突破与落地。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学相关专业；\n2、有较强的工程实现能力，熟悉大模型基本原理以及 SFT 和强化学习等大模型后训练技术，熟悉常用的大模型训练和推理框架；\n3、在大语言模型或多模态大模型方向有较深入的研究经验，熟悉相关方向的技术发展，善于利用各类技术解决复杂的实际问题。\n加分项：\n1、有大语言模型、多模态大模型的复杂项目落地经验；\n2、在计算机视觉、自然语言处理、多模态、机器学习等相关领域有顶级国际会议论文发表；\n3、在 ACM-ICPC / NOI / IOI 编程竞赛或机器学习相关竞赛拿过奖项。\n【快Star】多模态搜索算法工程师\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\n发布时间：2026-05-26\n\n岗位职责\n1、负责快手搜索（综合短视频、直播、用户、本地等业务）的多模态相关性建模，研究 Query 与视频/图像内容的细粒度语义对齐，定义并迭代可优化的相关性奖励信号（包括标注体系设计、人工标注与 LLM-as-a-judge 协同、用户行为信号融合等），系统性提升搜索相关性核心指标；\n2、负责视频多模态表征学习，融合视觉帧、ASR、OCR、封面、标题、互动信号等多源异构信息，在原始文本质量参差、噪声大的条件下构建鲁棒的内容理解与相关性特征体系；探索多模态预训练、对比学习、跨模态对齐等前沿方法在搜索场景的落地；\n3、负责大模型（LLM/VLM）在搜索相关性打分上的应用与线上化，研究模型蒸馏、量化（FP8/INT4 等）、MoE 稀疏化、推测解码（MTP/EAGLE）、kv cache、稀疏注意力等推理优化技术，在精排链路延迟与吞吐约束下最大化模型容量与打分质量；\n4、探索 SFT、DPO、RLHF 、GRPO 等强化学习和对齐方法在相关性建模中的应用，结合在线 A/B 反馈与用户行为信号构建端到端的相关性优化闭环，平衡相关性、消费等多目标；\n5、跟进多模态搜索、视觉语言模型、生成式检索、Agentic Search 等业界前沿，推动技术在快手搜索业务上的突破与落地。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学相关专业；\n2、有较强的工程实现能力，熟悉大模型基本原理以及 SFT 和强化学习等大模型后训练技术，熟悉常用的大模型训练和推理框架；\n3、在大语言模型或多模态大模型方向有较深入的研究经验，熟悉相关方向的技术发展，善于利用各类技术解决复杂的实际问题。\n加分项：\n1、有大语言模型、多模态大模型的复杂项目落地经验；\n2、在计算机视觉、自然语言处理、多模态、机器学习等相关领域有顶级国际会议论文发表；\n3、在 ACM-ICPC / NOI / IOI 编程竞赛或机器学习相关竞赛拿过奖项。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}