主分类：搜索推荐与业务决策算法研发
辅助：大模型与生成式算法研发（仅展示）
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】广告AI算法工程师",
"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": "J1006"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】广告AI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：J1006\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、探索和打造下一代 AI 驱动的广告生成、推荐与竞价系统。致力于将 AIGC、大语言模型（LLM）、多模态大模型（MLLM）、博弈论以及强化学习（RL）等前沿技术，应用于业务的各个核心环节，提升平台商业效率与用户体验。\n2、参与端到端大模型应用系统的设计与落地，涵盖模型训练、算法优化、系统部署及业务集成；\n3、深入研究大模型在广告创意生成、广告推荐、机制设计、用户建模、Query建模、智能竞价等领域的创新应用；\n4、与业务、产品、系统、平台等多团队紧密合作，在真实超大规模数据和复杂业务场景中打磨技术；\n5、持续跟进行业前沿技术，探索具备商业价值与学术创新的解决方案，推动技术落地与规模化应用。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、机器学习、应用数学等相关专业；\n2、扎实的工程实现能力，熟练掌握 Python、C/C++、Java 等至少一门主流编程语言，有较强动手能力，了解目前常见的机器学习或者深度学习框架；\n3、熟悉大语言模型、多模态大模型、AIGC生成技术、深度学习、强化学习等相关领域；\n4、具备良好的算法能力与系统架构思维，能够在复杂工程场景下落地大模型应用；\n5、具备良好的业务理解能力与跨团队沟通协作能力，能快速融入业务与技术双驱动的复杂环境；\n6、对学术前沿有浓厚兴趣，具备较强的学习能力与问题分析能力，善于利用前沿技术解决实际问题。\n加分项：\n1、有 AIGC 广告生成、多模态语义建模、生成式推荐、强化学习等在搜索/推荐/广告系统中的应用经验；\n2、有大模型训练、微调（SFT, RLHF）、轻量化、在线推理优化等经验；\n3、有广告竞价机制设计、算法博弈、机制优化等研究或实践经历；\n4、在人工智能、计算机视觉、自然语言处理、搜索推荐系统、广告算法等领域的顶级会议/期刊以第一作者发表过文章，或者有相关的开源项目贡献经验；\n5、在ACM-ICPC/NOI/IOI等编程竞赛或机器学习相关竞赛拿过奖项。",
"requirements_text": "【快Star】广告AI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：J1006\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、探索和打造下一代 AI 驱动的广告生成、推荐与竞价系统。致力于将 AIGC、大语言模型（LLM）、多模态大模型（MLLM）、博弈论以及强化学习（RL）等前沿技术，应用于业务的各个核心环节，提升平台商业效率与用户体验。\n2、参与端到端大模型应用系统的设计与落地，涵盖模型训练、算法优化、系统部署及业务集成；\n3、深入研究大模型在广告创意生成、广告推荐、机制设计、用户建模、Query建模、智能竞价等领域的创新应用；\n4、与业务、产品、系统、平台等多团队紧密合作，在真实超大规模数据和复杂业务场景中打磨技术；\n5、持续跟进行业前沿技术，探索具备商业价值与学术创新的解决方案，推动技术落地与规模化应用。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、机器学习、应用数学等相关专业；\n2、扎实的工程实现能力，熟练掌握 Python、C/C++、Java 等至少一门主流编程语言，有较强动手能力，了解目前常见的机器学习或者深度学习框架；\n3、熟悉大语言模型、多模态大模型、AIGC生成技术、深度学习、强化学习等相关领域；\n4、具备良好的算法能力与系统架构思维，能够在复杂工程场景下落地大模型应用；\n5、具备良好的业务理解能力与跨团队沟通协作能力，能快速融入业务与技术双驱动的复杂环境；\n6、对学术前沿有浓厚兴趣，具备较强的学习能力与问题分析能力，善于利用前沿技术解决实际问题。\n加分项：\n1、有 AIGC 广告生成、多模态语义建模、生成式推荐、强化学习等在搜索/推荐/广告系统中的应用经验；\n2、有大模型训练、微调（SFT, RLHF）、轻量化、在线推理优化等经验；\n3、有广告竞价机制设计、算法博弈、机制优化等研究或实践经历；\n4、在人工智能、计算机视觉、自然语言处理、搜索推荐系统、广告算法等领域的顶级会议/期刊以第一作者发表过文章，或者有相关的开源项目贡献经验；\n5、在ACM-ICPC/NOI/IOI等编程竞赛或机器学习相关竞赛拿过奖项。",
"skills": [AI生成
"Python",
"Java",
"C++",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"计算机视觉",
"模型训练",
"系统架构",
"学习能力",
"分析能力",
"建模",
"招聘",
"大语言模型",
"C语言"
],
"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/12902?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "12902",
"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/12902?recruitSubProjectCodes="
},
"fulltext": "【快Star】广告AI算法工程师\n【快Star】广告AI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：J1006\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、探索和打造下一代 AI 驱动的广告生成、推荐与竞价系统。致力于将 AIGC、大语言模型（LLM）、多模态大模型（MLLM）、博弈论以及强化学习（RL）等前沿技术，应用于业务的各个核心环节，提升平台商业效率与用户体验。\n2、参与端到端大模型应用系统的设计与落地，涵盖模型训练、算法优化、系统部署及业务集成；\n3、深入研究大模型在广告创意生成、广告推荐、机制设计、用户建模、Query建模、智能竞价等领域的创新应用；\n4、与业务、产品、系统、平台等多团队紧密合作，在真实超大规模数据和复杂业务场景中打磨技术；\n5、持续跟进行业前沿技术，探索具备商业价值与学术创新的解决方案，推动技术落地与规模化应用。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、机器学习、应用数学等相关专业；\n2、扎实的工程实现能力，熟练掌握 Python、C/C++、Java 等至少一门主流编程语言，有较强动手能力，了解目前常见的机器学习或者深度学习框架；\n3、熟悉大语言模型、多模态大模型、AIGC生成技术、深度学习、强化学习等相关领域；\n4、具备良好的算法能力与系统架构思维，能够在复杂工程场景下落地大模型应用；\n5、具备良好的业务理解能力与跨团队沟通协作能力，能快速融入业务与技术双驱动的复杂环境；\n6、对学术前沿有浓厚兴趣，具备较强的学习能力与问题分析能力，善于利用前沿技术解决实际问题。\n加分项：\n1、有 AIGC 广告生成、多模态语义建模、生成式推荐、强化学习等在搜索/推荐/广告系统中的应用经验；\n2、有大模型训练、微调（SFT, RLHF）、轻量化、在线推理优化等经验；\n3、有广告竞价机制设计、算法博弈、机制优化等研究或实践经历；\n4、在人工智能、计算机视觉、自然语言处理、搜索推荐系统、广告算法等领域的顶级会议/期刊以第一作者发表过文章，或者有相关的开源项目贡献经验；\n5、在ACM-ICPC/NOI/IOI等编程竞赛或机器学习相关竞赛拿过奖项。\n【快Star】广告AI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：J1006\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、探索和打造下一代 AI 驱动的广告生成、推荐与竞价系统。致力于将 AIGC、大语言模型（LLM）、多模态大模型（MLLM）、博弈论以及强化学习（RL）等前沿技术，应用于业务的各个核心环节，提升平台商业效率与用户体验。\n2、参与端到端大模型应用系统的设计与落地，涵盖模型训练、算法优化、系统部署及业务集成；\n3、深入研究大模型在广告创意生成、广告推荐、机制设计、用户建模、Query建模、智能竞价等领域的创新应用；\n4、与业务、产品、系统、平台等多团队紧密合作，在真实超大规模数据和复杂业务场景中打磨技术；\n5、持续跟进行业前沿技术，探索具备商业价值与学术创新的解决方案，推动技术落地与规模化应用。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、机器学习、应用数学等相关专业；\n2、扎实的工程实现能力，熟练掌握 Python、C/C++、Java 等至少一门主流编程语言，有较强动手能力，了解目前常见的机器学习或者深度学习框架；\n3、熟悉大语言模型、多模态大模型、AIGC生成技术、深度学习、强化学习等相关领域；\n4、具备良好的算法能力与系统架构思维，能够在复杂工程场景下落地大模型应用；\n5、具备良好的业务理解能力与跨团队沟通协作能力，能快速融入业务与技术双驱动的复杂环境；\n6、对学术前沿有浓厚兴趣，具备较强的学习能力与问题分析能力，善于利用前沿技术解决实际问题。\n加分项：\n1、有 AIGC 广告生成、多模态语义建模、生成式推荐、强化学习等在搜索/推荐/广告系统中的应用经验；\n2、有大模型训练、微调（SFT, RLHF）、轻量化、在线推理优化等经验；\n3、有广告竞价机制设计、算法博弈、机制优化等研究或实践经历；\n4、在人工智能、计算机视觉、自然语言处理、搜索推荐系统、广告算法等领域的顶级会议/期刊以第一作者发表过文章，或者有相关的开源项目贡献经验；\n5、在ACM-ICPC/NOI/IOI等编程竞赛或机器学习相关竞赛拿过奖项。\n【快Star】广告AI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：J1006\n工作地点：北京\n发布时间：2026-05-27\n\n岗位职责\n1、探索和打造下一代 AI 驱动的广告生成、推荐与竞价系统。致力于将 AIGC、大语言模型（LLM）、多模态大模型（MLLM）、博弈论以及强化学习（RL）等前沿技术，应用于业务的各个核心环节，提升平台商业效率与用户体验。\n2、参与端到端大模型应用系统的设计与落地，涵盖模型训练、算法优化、系统部署及业务集成；\n3、深入研究大模型在广告创意生成、广告推荐、机制设计、用户建模、Query建模、智能竞价等领域的创新应用；\n4、与业务、产品、系统、平台等多团队紧密合作，在真实超大规模数据和复杂业务场景中打磨技术；\n5、持续跟进行业前沿技术，探索具备商业价值与学术创新的解决方案，推动技术落地与规模化应用。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、机器学习、应用数学等相关专业；\n2、扎实的工程实现能力，熟练掌握 Python、C/C++、Java 等至少一门主流编程语言，有较强动手能力，了解目前常见的机器学习或者深度学习框架；\n3、熟悉大语言模型、多模态大模型、AIGC生成技术、深度学习、强化学习等相关领域；\n4、具备良好的算法能力与系统架构思维，能够在复杂工程场景下落地大模型应用；\n5、具备良好的业务理解能力与跨团队沟通协作能力，能快速融入业务与技术双驱动的复杂环境；\n6、对学术前沿有浓厚兴趣，具备较强的学习能力与问题分析能力，善于利用前沿技术解决实际问题。\n加分项：\n1、有 AIGC 广告生成、多模态语义建模、生成式推荐、强化学习等在搜索/推荐/广告系统中的应用经验；\n2、有大模型训练、微调（SFT, RLHF）、轻量化、在线推理优化等经验；\n3、有广告竞价机制设计、算法博弈、机制优化等研究或实践经历；\n4、在人工智能、计算机视觉、自然语言处理、搜索推荐系统、广告算法等领域的顶级会议/期刊以第一作者发表过文章，或者有相关的开源项目贡献经验；\n5、在ACM-ICPC/NOI/IOI等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": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}