{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【快Star】推荐大模型算法工程师-OneRec",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "J1005"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】推荐大模型算法工程师-OneRec\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：J1005\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n【团队介绍】：快手推荐大模型团队的使命是打造下一代推荐系统。这里有超强的算力和业界top院校成员，我们致力于利用大模型的世界知识和学习范式为推荐系统带来新的增长曲线，寻找算力到用户价值的最优转化方案。目前我们在打造业内领先的生成式推荐大模型OneRec，包括但不限于生成式推荐、多模态理解、强化学习、大规模稀疏MoE、高效训练、蒸馏剪枝等前沿技术探索等方向，探索算力到业务效果的最优转化路径。\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑，推动生成式推荐范式在多种业务场景中的规模化落地；\n2、持续提升生成式推荐模型性能，涵盖模型扩展（Scaling）、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情，认同技术驱动业务与社会价值提升；\n2、高度关注推荐大模型/大语言模型技术前沿，对行业动态有持续追踪和理解；\n3、在推荐系统、计算广告、信息检索、NLP、LLM、强化学习、多模态、高效训练/推理等至少一个领域具备扎实技术积累与业务落地经验；\n4、具备优秀的工程实现能力，熟练掌握常用数据结构和算法；\n5、能够快速阅读和复现前沿文献，具有良好的问题分析、解决及团队协作能力。\n加分项：\n1、在SIGKDD、ICML、NeurIPS、ACL、WWW、RecSys等国际顶级会议发表过论文；\n2、有ACM/ICPC、TopCoder等算法竞赛获奖经历；\n3、具备大语言模型与强化学习结合（RL）在真实业务场景的落地经验者优先。",
        "requirements_text": "【快Star】推荐大模型算法工程师-OneRec\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：J1005\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n【团队介绍】：快手推荐大模型团队的使命是打造下一代推荐系统。这里有超强的算力和业界top院校成员，我们致力于利用大模型的世界知识和学习范式为推荐系统带来新的增长曲线，寻找算力到用户价值的最优转化方案。目前我们在打造业内领先的生成式推荐大模型OneRec，包括但不限于生成式推荐、多模态理解、强化学习、大规模稀疏MoE、高效训练、蒸馏剪枝等前沿技术探索等方向，探索算力到业务效果的最优转化路径。\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑，推动生成式推荐范式在多种业务场景中的规模化落地；\n2、持续提升生成式推荐模型性能，涵盖模型扩展（Scaling）、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情，认同技术驱动业务与社会价值提升；\n2、高度关注推荐大模型/大语言模型技术前沿，对行业动态有持续追踪和理解；\n3、在推荐系统、计算广告、信息检索、NLP、LLM、强化学习、多模态、高效训练/推理等至少一个领域具备扎实技术积累与业务落地经验；\n4、具备优秀的工程实现能力，熟练掌握常用数据结构和算法；\n5、能够快速阅读和复现前沿文献，具有良好的问题分析、解决及团队协作能力。\n加分项：\n1、在SIGKDD、ICML、NeurIPS、ACL、WWW、RecSys等国际顶级会议发表过论文；\n2、有ACM/ICPC、TopCoder等算法竞赛获奖经历；\n3、具备大语言模型与强化学习结合（RL）在真实业务场景的落地经验者优先。",
        "skills": [AI生成
            "强化学习",
            "自然语言处理",
            "数据结构",
            "系统架构",
            "团队协作",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "加分项：；3、具备大语言模型与强化学习结合（RL）在真实业务场景的落地经验者优先",
        "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/12835?recruitSubProjectCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "12835",
        "post_date": "2026-05-27",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12835?recruitSubProjectCodes="
    },
    "fulltext": "【快Star】推荐大模型算法工程师-OneRec\n【快Star】推荐大模型算法工程师-OneRec\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：J1005\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n【团队介绍】：快手推荐大模型团队的使命是打造下一代推荐系统。这里有超强的算力和业界top院校成员，我们致力于利用大模型的世界知识和学习范式为推荐系统带来新的增长曲线，寻找算力到用户价值的最优转化方案。目前我们在打造业内领先的生成式推荐大模型OneRec，包括但不限于生成式推荐、多模态理解、强化学习、大规模稀疏MoE、高效训练、蒸馏剪枝等前沿技术探索等方向，探索算力到业务效果的最优转化路径。\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑，推动生成式推荐范式在多种业务场景中的规模化落地；\n2、持续提升生成式推荐模型性能，涵盖模型扩展（Scaling）、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情，认同技术驱动业务与社会价值提升；\n2、高度关注推荐大模型/大语言模型技术前沿，对行业动态有持续追踪和理解；\n3、在推荐系统、计算广告、信息检索、NLP、LLM、强化学习、多模态、高效训练/推理等至少一个领域具备扎实技术积累与业务落地经验；\n4、具备优秀的工程实现能力，熟练掌握常用数据结构和算法；\n5、能够快速阅读和复现前沿文献，具有良好的问题分析、解决及团队协作能力。\n加分项：\n1、在SIGKDD、ICML、NeurIPS、ACL、WWW、RecSys等国际顶级会议发表过论文；\n2、有ACM/ICPC、TopCoder等算法竞赛获奖经历；\n3、具备大语言模型与强化学习结合（RL）在真实业务场景的落地经验者优先。\n【快Star】推荐大模型算法工程师-OneRec\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：J1005\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n【团队介绍】：快手推荐大模型团队的使命是打造下一代推荐系统。这里有超强的算力和业界top院校成员，我们致力于利用大模型的世界知识和学习范式为推荐系统带来新的增长曲线，寻找算力到用户价值的最优转化方案。目前我们在打造业内领先的生成式推荐大模型OneRec，包括但不限于生成式推荐、多模态理解、强化学习、大规模稀疏MoE、高效训练、蒸馏剪枝等前沿技术探索等方向，探索算力到业务效果的最优转化路径。\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑，推动生成式推荐范式在多种业务场景中的规模化落地；\n2、持续提升生成式推荐模型性能，涵盖模型扩展（Scaling）、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情，认同技术驱动业务与社会价值提升；\n2、高度关注推荐大模型/大语言模型技术前沿，对行业动态有持续追踪和理解；\n3、在推荐系统、计算广告、信息检索、NLP、LLM、强化学习、多模态、高效训练/推理等至少一个领域具备扎实技术积累与业务落地经验；\n4、具备优秀的工程实现能力，熟练掌握常用数据结构和算法；\n5、能够快速阅读和复现前沿文献，具有良好的问题分析、解决及团队协作能力。\n加分项：\n1、在SIGKDD、ICML、NeurIPS、ACL、WWW、RecSys等国际顶级会议发表过论文；\n2、有ACM/ICPC、TopCoder等算法竞赛获奖经历；\n3、具备大语言模型与强化学习结合（RL）在真实业务场景的落地经验者优先。\n【快Star】推荐大模型算法工程师-OneRec\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：J1005\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n【团队介绍】：快手推荐大模型团队的使命是打造下一代推荐系统。这里有超强的算力和业界top院校成员，我们致力于利用大模型的世界知识和学习范式为推荐系统带来新的增长曲线，寻找算力到用户价值的最优转化方案。目前我们在打造业内领先的生成式推荐大模型OneRec，包括但不限于生成式推荐、多模态理解、强化学习、大规模稀疏MoE、高效训练、蒸馏剪枝等前沿技术探索等方向，探索算力到业务效果的最优转化路径。\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑，推动生成式推荐范式在多种业务场景中的规模化落地；\n2、持续提升生成式推荐模型性能，涵盖模型扩展（Scaling）、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情，认同技术驱动业务与社会价值提升；\n2、高度关注推荐大模型/大语言模型技术前沿，对行业动态有持续追踪和理解；\n3、在推荐系统、计算广告、信息检索、NLP、LLM、强化学习、多模态、高效训练/推理等至少一个领域具备扎实技术积累与业务落地经验；\n4、具备优秀的工程实现能力，熟练掌握常用数据结构和算法；\n5、能够快速阅读和复现前沿文献，具有良好的问题分析、解决及团队协作能力。\n加分项：\n1、在SIGKDD、ICML、NeurIPS、ACL、WWW、RecSys等国际顶级会议发表过论文；\n2、有ACM/ICPC、TopCoder等算法竞赛获奖经历；\n3、具备大语言模型与强化学习结合（RL）在真实业务场景的落地经验者优先。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}