{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【快Star】大模型后训练研发工程师",
        "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": "J1020"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": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "【快Star】大模型后训练研发工程师\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：J1020\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、模型微调与对齐研发：负责大语言模型、多模态大模型的SFT监督微调、DPO、KTO、RLHF等后训练对齐算法研发与落地，优化模型对话逻辑、真实性、逻辑性、共情能力，解决模型幻觉、问答偏差、安全风险等问题；\n2、领域模型专项优化：针对政企办公、金融、教育、文娱等垂直场景，开展大模型领域适配微调，构建领域专属后训练方案，提升模型在专业问答、推理、生成、决策场景下的专项能力；\n3、训练数据体系建设：参与后训练高质量数据集的设计、筛选、清洗、标注与迭代优化，制定数据质量标准，挖掘数据短板，通过数据迭代驱动模型能力持续升级；\n4、训练工程落地优化：基于Transformer架构，依托主流训练框架，完成大模型规模化微调、分布式训练落地，优化训练效率、显存占用、收敛效果，保障大模型后训练流程高效、稳定迭代；\n5、模型评测与迭代：搭建大模型后训练评测体系，包含通用能力、领域能力、安全对齐、幻觉率、流畅度等多维度评测，根据评测结果迭代优化训练策略、数据方案与算法模型；\n6、前沿技术调研落地：跟踪国内外大模型后训练、模型对齐、高效微调、小样本学习、模型轻量化等前沿技术，结合业务场景完成技术创新与落地，持续提升模型综合性能。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业，有大模型后训练、微调对齐相关工作/项目经验；\n2、扎实的深度学习、自然语言处理基础，熟悉Transformer核心原理，熟练掌握大模型预训练、微调、对齐的核心技术逻辑；\n3、熟练使用Python编程语言，精通PyTorch/TensorFlow任意一种主流深度学习框架。\n专业能力要求：\n1、核心技术能力：熟练掌握大模型SFT、DPO、KTO、RLHF等主流后训练对齐算法，完整参与过7B/14B/32B及以上大模型的后训练迭代项目；\n2、工程落地能力：熟悉LLaMA、Qwen、ChatGLM、Llama系列主流开源大模型，掌握LoRA、QLoRA、全量微调等高效微调方案，具备分布式微调训练落地经验；\n3、数据与评测能力：具备后训练数据集构建、数据清洗、数据蒸馏经验，熟悉大模型自动化评测、人工评测体系搭建，可通过数据和评测驱动模型迭代；\n4、工具框架掌握：熟练使用Hugging Face、Transformers、PEFT、TRL等开源工具库，熟悉DeepSpeed、Megatron-LM分布式训练框架者优先。",
        "requirements_text": "【快Star】大模型后训练研发工程师\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：J1020\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、模型微调与对齐研发：负责大语言模型、多模态大模型的SFT监督微调、DPO、KTO、RLHF等后训练对齐算法研发与落地，优化模型对话逻辑、真实性、逻辑性、共情能力，解决模型幻觉、问答偏差、安全风险等问题；\n2、领域模型专项优化：针对政企办公、金融、教育、文娱等垂直场景，开展大模型领域适配微调，构建领域专属后训练方案，提升模型在专业问答、推理、生成、决策场景下的专项能力；\n3、训练数据体系建设：参与后训练高质量数据集的设计、筛选、清洗、标注与迭代优化，制定数据质量标准，挖掘数据短板，通过数据迭代驱动模型能力持续升级；\n4、训练工程落地优化：基于Transformer架构，依托主流训练框架，完成大模型规模化微调、分布式训练落地，优化训练效率、显存占用、收敛效果，保障大模型后训练流程高效、稳定迭代；\n5、模型评测与迭代：搭建大模型后训练评测体系，包含通用能力、领域能力、安全对齐、幻觉率、流畅度等多维度评测，根据评测结果迭代优化训练策略、数据方案与算法模型；\n6、前沿技术调研落地：跟踪国内外大模型后训练、模型对齐、高效微调、小样本学习、模型轻量化等前沿技术，结合业务场景完成技术创新与落地，持续提升模型综合性能。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业，有大模型后训练、微调对齐相关工作/项目经验；\n2、扎实的深度学习、自然语言处理基础，熟悉Transformer核心原理，熟练掌握大模型预训练、微调、对齐的核心技术逻辑；\n3、熟练使用Python编程语言，精通PyTorch/TensorFlow任意一种主流深度学习框架。\n专业能力要求：\n1、核心技术能力：熟练掌握大模型SFT、DPO、KTO、RLHF等主流后训练对齐算法，完整参与过7B/14B/32B及以上大模型的后训练迭代项目；\n2、工程落地能力：熟悉LLaMA、Qwen、ChatGLM、Llama系列主流开源大模型，掌握LoRA、QLoRA、全量微调等高效微调方案，具备分布式微调训练落地经验；\n3、数据与评测能力：具备后训练数据集构建、数据清洗、数据蒸馏经验，熟悉大模型自动化评测、人工评测体系搭建，可通过数据和评测驱动模型迭代；\n4、工具框架掌握：熟练使用Hugging Face、Transformers、PEFT、TRL等开源工具库，熟悉DeepSpeed、Megatron-LM分布式训练框架者优先。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "TensorFlow",
            "深度学习",
            "自然语言处理",
            "数据清洗",
            "模型微调",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "4、工具框架掌握：熟练使用Hugging Face、Transformers、PEFT、TRL等开源工具库，熟悉DeepSpeed、Megatron-LM分布式训练框架者优先",
        "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/12860?recruitSubProjectCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "12860",
        "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/12860?recruitSubProjectCodes="
    },
    "fulltext": "【快Star】大模型后训练研发工程师\n【快Star】大模型后训练研发工程师\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：J1020\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、模型微调与对齐研发：负责大语言模型、多模态大模型的SFT监督微调、DPO、KTO、RLHF等后训练对齐算法研发与落地，优化模型对话逻辑、真实性、逻辑性、共情能力，解决模型幻觉、问答偏差、安全风险等问题；\n2、领域模型专项优化：针对政企办公、金融、教育、文娱等垂直场景，开展大模型领域适配微调，构建领域专属后训练方案，提升模型在专业问答、推理、生成、决策场景下的专项能力；\n3、训练数据体系建设：参与后训练高质量数据集的设计、筛选、清洗、标注与迭代优化，制定数据质量标准，挖掘数据短板，通过数据迭代驱动模型能力持续升级；\n4、训练工程落地优化：基于Transformer架构，依托主流训练框架，完成大模型规模化微调、分布式训练落地，优化训练效率、显存占用、收敛效果，保障大模型后训练流程高效、稳定迭代；\n5、模型评测与迭代：搭建大模型后训练评测体系，包含通用能力、领域能力、安全对齐、幻觉率、流畅度等多维度评测，根据评测结果迭代优化训练策略、数据方案与算法模型；\n6、前沿技术调研落地：跟踪国内外大模型后训练、模型对齐、高效微调、小样本学习、模型轻量化等前沿技术，结合业务场景完成技术创新与落地，持续提升模型综合性能。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业，有大模型后训练、微调对齐相关工作/项目经验；\n2、扎实的深度学习、自然语言处理基础，熟悉Transformer核心原理，熟练掌握大模型预训练、微调、对齐的核心技术逻辑；\n3、熟练使用Python编程语言，精通PyTorch/TensorFlow任意一种主流深度学习框架。\n专业能力要求：\n1、核心技术能力：熟练掌握大模型SFT、DPO、KTO、RLHF等主流后训练对齐算法，完整参与过7B/14B/32B及以上大模型的后训练迭代项目；\n2、工程落地能力：熟悉LLaMA、Qwen、ChatGLM、Llama系列主流开源大模型，掌握LoRA、QLoRA、全量微调等高效微调方案，具备分布式微调训练落地经验；\n3、数据与评测能力：具备后训练数据集构建、数据清洗、数据蒸馏经验，熟悉大模型自动化评测、人工评测体系搭建，可通过数据和评测驱动模型迭代；\n4、工具框架掌握：熟练使用Hugging Face、Transformers、PEFT、TRL等开源工具库，熟悉DeepSpeed、Megatron-LM分布式训练框架者优先。\n【快Star】大模型后训练研发工程师\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：J1020\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、模型微调与对齐研发：负责大语言模型、多模态大模型的SFT监督微调、DPO、KTO、RLHF等后训练对齐算法研发与落地，优化模型对话逻辑、真实性、逻辑性、共情能力，解决模型幻觉、问答偏差、安全风险等问题；\n2、领域模型专项优化：针对政企办公、金融、教育、文娱等垂直场景，开展大模型领域适配微调，构建领域专属后训练方案，提升模型在专业问答、推理、生成、决策场景下的专项能力；\n3、训练数据体系建设：参与后训练高质量数据集的设计、筛选、清洗、标注与迭代优化，制定数据质量标准，挖掘数据短板，通过数据迭代驱动模型能力持续升级；\n4、训练工程落地优化：基于Transformer架构，依托主流训练框架，完成大模型规模化微调、分布式训练落地，优化训练效率、显存占用、收敛效果，保障大模型后训练流程高效、稳定迭代；\n5、模型评测与迭代：搭建大模型后训练评测体系，包含通用能力、领域能力、安全对齐、幻觉率、流畅度等多维度评测，根据评测结果迭代优化训练策略、数据方案与算法模型；\n6、前沿技术调研落地：跟踪国内外大模型后训练、模型对齐、高效微调、小样本学习、模型轻量化等前沿技术，结合业务场景完成技术创新与落地，持续提升模型综合性能。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业，有大模型后训练、微调对齐相关工作/项目经验；\n2、扎实的深度学习、自然语言处理基础，熟悉Transformer核心原理，熟练掌握大模型预训练、微调、对齐的核心技术逻辑；\n3、熟练使用Python编程语言，精通PyTorch/TensorFlow任意一种主流深度学习框架。\n专业能力要求：\n1、核心技术能力：熟练掌握大模型SFT、DPO、KTO、RLHF等主流后训练对齐算法，完整参与过7B/14B/32B及以上大模型的后训练迭代项目；\n2、工程落地能力：熟悉LLaMA、Qwen、ChatGLM、Llama系列主流开源大模型，掌握LoRA、QLoRA、全量微调等高效微调方案，具备分布式微调训练落地经验；\n3、数据与评测能力：具备后训练数据集构建、数据清洗、数据蒸馏经验，熟悉大模型自动化评测、人工评测体系搭建，可通过数据和评测驱动模型迭代；\n4、工具框架掌握：熟练使用Hugging Face、Transformers、PEFT、TRL等开源工具库，熟悉DeepSpeed、Megatron-LM分布式训练框架者优先。\n【快Star】大模型后训练研发工程师\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：J1020\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、模型微调与对齐研发：负责大语言模型、多模态大模型的SFT监督微调、DPO、KTO、RLHF等后训练对齐算法研发与落地，优化模型对话逻辑、真实性、逻辑性、共情能力，解决模型幻觉、问答偏差、安全风险等问题；\n2、领域模型专项优化：针对政企办公、金融、教育、文娱等垂直场景，开展大模型领域适配微调，构建领域专属后训练方案，提升模型在专业问答、推理、生成、决策场景下的专项能力；\n3、训练数据体系建设：参与后训练高质量数据集的设计、筛选、清洗、标注与迭代优化，制定数据质量标准，挖掘数据短板，通过数据迭代驱动模型能力持续升级；\n4、训练工程落地优化：基于Transformer架构，依托主流训练框架，完成大模型规模化微调、分布式训练落地，优化训练效率、显存占用、收敛效果，保障大模型后训练流程高效、稳定迭代；\n5、模型评测与迭代：搭建大模型后训练评测体系，包含通用能力、领域能力、安全对齐、幻觉率、流畅度等多维度评测，根据评测结果迭代优化训练策略、数据方案与算法模型；\n6、前沿技术调研落地：跟踪国内外大模型后训练、模型对齐、高效微调、小样本学习、模型轻量化等前沿技术，结合业务场景完成技术创新与落地，持续提升模型综合性能。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业，有大模型后训练、微调对齐相关工作/项目经验；\n2、扎实的深度学习、自然语言处理基础，熟悉Transformer核心原理，熟练掌握大模型预训练、微调、对齐的核心技术逻辑；\n3、熟练使用Python编程语言，精通PyTorch/TensorFlow任意一种主流深度学习框架。\n专业能力要求：\n1、核心技术能力：熟练掌握大模型SFT、DPO、KTO、RLHF等主流后训练对齐算法，完整参与过7B/14B/32B及以上大模型的后训练迭代项目；\n2、工程落地能力：熟悉LLaMA、Qwen、ChatGLM、Llama系列主流开源大模型，掌握LoRA、QLoRA、全量微调等高效微调方案，具备分布式微调训练落地经验；\n3、数据与评测能力：具备后训练数据集构建、数据清洗、数据蒸馏经验，熟悉大模型自动化评测、人工评测体系搭建，可通过数据和评测驱动模型迭代；\n4、工具框架掌握：熟练使用Hugging Face、Transformers、PEFT、TRL等开源工具库，熟悉DeepSpeed、Megatron-LM分布式训练框架者优先。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}