{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【快Star】大模型Agent算法工程师-短视频推荐方向",
        "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": "加入我们，你将获得："
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "【快Star】大模型Agent算法工程师-短视频推荐方向\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：2026-07-14\n\n岗位职责\n1. 负责面向短视频推荐场景的大模型 Agent 能力建设，探索 LLM 在推荐系统中的新范式，打造具备自主规划（Planning）、工具调用（Tool Use）、长短期记忆（Memory）、多 Agent 协同（Multi-Agent）等能力的智能推荐 Agent；\n2. 结合大语言模型、多模态大模型及推荐系统，构建内容理解、用户理解、策略生成、创作者服务等 Agent 能力，提升推荐效果、用户体验及内容生态质量，实现用户、创作者与平台的长期共赢；\n3. 探索 Agent 在推荐全链路中的应用，包括但不限于内容消费、内容生产、创作者成长、策略优化、实验分析、算法研发辅助等方向，推动推荐系统从传统模型驱动向 Agent 驱动演进；\n4. 基于海量用户行为、多模态内容及知识数据，探索 LLM、VLM 与推荐模型的融合方案，包括 Representation Learning、Reward Modeling、Agent RL等方向，持续优化推荐核心指标（时长、留存、互动、VV、满意度等）；\n5. 跟踪 Agent、LLM、Reasoning、世界模型（World Model）、强化学习等前沿技术发展，结合业务场景快速完成技术验证并推动落地。\n加入我们，你将获得：\n1. 探索推荐系统的下一代技术范式。 从传统推荐模型迈向 Agent 驱动的智能推荐，参与行业前沿技术创新。\n2. 拥有丰富的真实业务场景。 面向亿级用户、千万级创作者及海量内容，在真实推荐场景中验证和迭代 Agent 能力。\n3. 充足的数据与算力资源。 依托大规模推荐系统和大模型基础设施，探索 LLM、Agent 与推荐融合的最佳实践。\n4. 技术成长空间广阔。 深度参与大模型、推荐系统、强化学习、多模态、Agent 等多个热点方向，推动科研成果快速转化为业务价值。\n\n任职要求\n1. 计算机、人工智能、机器学习、数学、统计学等相关专业，具备扎实的数据结构、算法及机器学习基础；\n2. 熟悉 Python、C++ 等至少一种编程语言，具备优秀的工程实现能力，熟悉 Linux 开发环境；\n3. 熟悉 Transformer、大语言模型、多模态大模型等相关技术，理解 Prompt Engineering、Agent、RAG、Function Calling、Memory、Tool Use 等主流 Agent 技术体系，并具备实际项目经验者优先；\n4. 熟悉推荐算法、搜索、广告、内容理解、NLP、CV、强化学习等方向之一，具有大规模推荐系统或互联网 AI 产品实践经验者优先；\n5. 熟悉 PyTorch、TensorFlow 等深度学习框架，具备模型训练、推理优化及大规模分布式训练经验者优先；\n6. 具备优秀的问题分析能力和创新能力，能够快速阅读论文、复现前沿工作，并结合业务场景完成创新和落地；\n7. 对 AI Agent、Reasoning、AIGC、世界模型、多 Agent 系统等前沿方向保持持续关注，具有较强的技术热情和探索精神；\n8. 在 ICML、NeurIPS、ICLR、KDD、WWW、WSDM、ACL、EMNLP、CVPR、ECCV、ICCV、RecSys 等国际会议发表论文者优先。",
        "requirements_text": "【快Star】大模型Agent算法工程师-短视频推荐方向\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：2026-07-14\n\n岗位职责\n1. 负责面向短视频推荐场景的大模型 Agent 能力建设，探索 LLM 在推荐系统中的新范式，打造具备自主规划（Planning）、工具调用（Tool Use）、长短期记忆（Memory）、多 Agent 协同（Multi-Agent）等能力的智能推荐 Agent；\n2. 结合大语言模型、多模态大模型及推荐系统，构建内容理解、用户理解、策略生成、创作者服务等 Agent 能力，提升推荐效果、用户体验及内容生态质量，实现用户、创作者与平台的长期共赢；\n3. 探索 Agent 在推荐全链路中的应用，包括但不限于内容消费、内容生产、创作者成长、策略优化、实验分析、算法研发辅助等方向，推动推荐系统从传统模型驱动向 Agent 驱动演进；\n4. 基于海量用户行为、多模态内容及知识数据，探索 LLM、VLM 与推荐模型的融合方案，包括 Representation Learning、Reward Modeling、Agent RL等方向，持续优化推荐核心指标（时长、留存、互动、VV、满意度等）；\n5. 跟踪 Agent、LLM、Reasoning、世界模型（World Model）、强化学习等前沿技术发展，结合业务场景快速完成技术验证并推动落地。\n加入我们，你将获得：\n1. 探索推荐系统的下一代技术范式。 从传统推荐模型迈向 Agent 驱动的智能推荐，参与行业前沿技术创新。\n2. 拥有丰富的真实业务场景。 面向亿级用户、千万级创作者及海量内容，在真实推荐场景中验证和迭代 Agent 能力。\n3. 充足的数据与算力资源。 依托大规模推荐系统和大模型基础设施，探索 LLM、Agent 与推荐融合的最佳实践。\n4. 技术成长空间广阔。 深度参与大模型、推荐系统、强化学习、多模态、Agent 等多个热点方向，推动科研成果快速转化为业务价值。\n\n任职要求\n1. 计算机、人工智能、机器学习、数学、统计学等相关专业，具备扎实的数据结构、算法及机器学习基础；\n2. 熟悉 Python、C++ 等至少一种编程语言，具备优秀的工程实现能力，熟悉 Linux 开发环境；\n3. 熟悉 Transformer、大语言模型、多模态大模型等相关技术，理解 Prompt Engineering、Agent、RAG、Function Calling、Memory、Tool Use 等主流 Agent 技术体系，并具备实际项目经验者优先；\n4. 熟悉推荐算法、搜索、广告、内容理解、NLP、CV、强化学习等方向之一，具有大规模推荐系统或互联网 AI 产品实践经验者优先；\n5. 熟悉 PyTorch、TensorFlow 等深度学习框架，具备模型训练、推理优化及大规模分布式训练经验者优先；\n6. 具备优秀的问题分析能力和创新能力，能够快速阅读论文、复现前沿工作，并结合业务场景完成创新和落地；\n7. 对 AI Agent、Reasoning、AIGC、世界模型、多 Agent 系统等前沿方向保持持续关注，具有较强的技术热情和探索精神；\n8. 在 ICML、NeurIPS、ICLR、KDD、WWW、WSDM、ACL、EMNLP、CVPR、ECCV、ICCV、RecSys 等国际会议发表论文者优先。",
        "skills": [AI生成
            "Python",
            "C++",
            "Linux",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "强化学习",
            "自然语言处理",
            "推荐算法",
            "数据结构",
            "模型训练",
            "分析能力",
            "招聘",
            "大语言模型",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "3. 熟悉 Transformer、大语言模型、多模态大模型等相关技术，理解 Prompt Engineering、Agent、RAG、Function Calling、Memory、Tool Use 等主流 Agent 技术体系，并具备实际项目经验者优先；4. 熟悉推荐算法、搜索、广告、内容理解、NLP、CV、强化学习等方向之一，具有大规模推荐系统或互联网 AI 产品实践经验者优先；5. 熟悉 PyTorch、TensorFlow 等深度学习框架，具备模型训练、推理优化及大规模分布式训练经验者优先；8. 在 ICML、NeurIPS、ICLR、KDD、WWW、WSDM、ACL、EMNLP、CVPR、ECCV、ICCV、RecSys 等国际会议发表论文者优先",
        "job_highlights": "加入我们，你将获得："
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13005?recruitSubProjectCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "13005",
        "post_date": "2026-07-14",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13005?recruitSubProjectCodes="
    },
    "fulltext": "【快Star】大模型Agent算法工程师-短视频推荐方向\n【快Star】大模型Agent算法工程师-短视频推荐方向\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：2026-07-14\n\n岗位职责\n1. 负责面向短视频推荐场景的大模型 Agent 能力建设，探索 LLM 在推荐系统中的新范式，打造具备自主规划（Planning）、工具调用（Tool Use）、长短期记忆（Memory）、多 Agent 协同（Multi-Agent）等能力的智能推荐 Agent；\n2. 结合大语言模型、多模态大模型及推荐系统，构建内容理解、用户理解、策略生成、创作者服务等 Agent 能力，提升推荐效果、用户体验及内容生态质量，实现用户、创作者与平台的长期共赢；\n3. 探索 Agent 在推荐全链路中的应用，包括但不限于内容消费、内容生产、创作者成长、策略优化、实验分析、算法研发辅助等方向，推动推荐系统从传统模型驱动向 Agent 驱动演进；\n4. 基于海量用户行为、多模态内容及知识数据，探索 LLM、VLM 与推荐模型的融合方案，包括 Representation Learning、Reward Modeling、Agent RL等方向，持续优化推荐核心指标（时长、留存、互动、VV、满意度等）；\n5. 跟踪 Agent、LLM、Reasoning、世界模型（World Model）、强化学习等前沿技术发展，结合业务场景快速完成技术验证并推动落地。\n加入我们，你将获得：\n1. 探索推荐系统的下一代技术范式。 从传统推荐模型迈向 Agent 驱动的智能推荐，参与行业前沿技术创新。\n2. 拥有丰富的真实业务场景。 面向亿级用户、千万级创作者及海量内容，在真实推荐场景中验证和迭代 Agent 能力。\n3. 充足的数据与算力资源。 依托大规模推荐系统和大模型基础设施，探索 LLM、Agent 与推荐融合的最佳实践。\n4. 技术成长空间广阔。 深度参与大模型、推荐系统、强化学习、多模态、Agent 等多个热点方向，推动科研成果快速转化为业务价值。\n\n任职要求\n1. 计算机、人工智能、机器学习、数学、统计学等相关专业，具备扎实的数据结构、算法及机器学习基础；\n2. 熟悉 Python、C++ 等至少一种编程语言，具备优秀的工程实现能力，熟悉 Linux 开发环境；\n3. 熟悉 Transformer、大语言模型、多模态大模型等相关技术，理解 Prompt Engineering、Agent、RAG、Function Calling、Memory、Tool Use 等主流 Agent 技术体系，并具备实际项目经验者优先；\n4. 熟悉推荐算法、搜索、广告、内容理解、NLP、CV、强化学习等方向之一，具有大规模推荐系统或互联网 AI 产品实践经验者优先；\n5. 熟悉 PyTorch、TensorFlow 等深度学习框架，具备模型训练、推理优化及大规模分布式训练经验者优先；\n6. 具备优秀的问题分析能力和创新能力，能够快速阅读论文、复现前沿工作，并结合业务场景完成创新和落地；\n7. 对 AI Agent、Reasoning、AIGC、世界模型、多 Agent 系统等前沿方向保持持续关注，具有较强的技术热情和探索精神；\n8. 在 ICML、NeurIPS、ICLR、KDD、WWW、WSDM、ACL、EMNLP、CVPR、ECCV、ICCV、RecSys 等国际会议发表论文者优先。\n【快Star】大模型Agent算法工程师-短视频推荐方向\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：2026-07-14\n\n岗位职责\n1. 负责面向短视频推荐场景的大模型 Agent 能力建设，探索 LLM 在推荐系统中的新范式，打造具备自主规划（Planning）、工具调用（Tool Use）、长短期记忆（Memory）、多 Agent 协同（Multi-Agent）等能力的智能推荐 Agent；\n2. 结合大语言模型、多模态大模型及推荐系统，构建内容理解、用户理解、策略生成、创作者服务等 Agent 能力，提升推荐效果、用户体验及内容生态质量，实现用户、创作者与平台的长期共赢；\n3. 探索 Agent 在推荐全链路中的应用，包括但不限于内容消费、内容生产、创作者成长、策略优化、实验分析、算法研发辅助等方向，推动推荐系统从传统模型驱动向 Agent 驱动演进；\n4. 基于海量用户行为、多模态内容及知识数据，探索 LLM、VLM 与推荐模型的融合方案，包括 Representation Learning、Reward Modeling、Agent RL等方向，持续优化推荐核心指标（时长、留存、互动、VV、满意度等）；\n5. 跟踪 Agent、LLM、Reasoning、世界模型（World Model）、强化学习等前沿技术发展，结合业务场景快速完成技术验证并推动落地。\n加入我们，你将获得：\n1. 探索推荐系统的下一代技术范式。 从传统推荐模型迈向 Agent 驱动的智能推荐，参与行业前沿技术创新。\n2. 拥有丰富的真实业务场景。 面向亿级用户、千万级创作者及海量内容，在真实推荐场景中验证和迭代 Agent 能力。\n3. 充足的数据与算力资源。 依托大规模推荐系统和大模型基础设施，探索 LLM、Agent 与推荐融合的最佳实践。\n4. 技术成长空间广阔。 深度参与大模型、推荐系统、强化学习、多模态、Agent 等多个热点方向，推动科研成果快速转化为业务价值。\n\n任职要求\n1. 计算机、人工智能、机器学习、数学、统计学等相关专业，具备扎实的数据结构、算法及机器学习基础；\n2. 熟悉 Python、C++ 等至少一种编程语言，具备优秀的工程实现能力，熟悉 Linux 开发环境；\n3. 熟悉 Transformer、大语言模型、多模态大模型等相关技术，理解 Prompt Engineering、Agent、RAG、Function Calling、Memory、Tool Use 等主流 Agent 技术体系，并具备实际项目经验者优先；\n4. 熟悉推荐算法、搜索、广告、内容理解、NLP、CV、强化学习等方向之一，具有大规模推荐系统或互联网 AI 产品实践经验者优先；\n5. 熟悉 PyTorch、TensorFlow 等深度学习框架，具备模型训练、推理优化及大规模分布式训练经验者优先；\n6. 具备优秀的问题分析能力和创新能力，能够快速阅读论文、复现前沿工作，并结合业务场景完成创新和落地；\n7. 对 AI Agent、Reasoning、AIGC、世界模型、多 Agent 系统等前沿方向保持持续关注，具有较强的技术热情和探索精神；\n8. 在 ICML、NeurIPS、ICLR、KDD、WWW、WSDM、ACL、EMNLP、CVPR、ECCV、ICCV、RecSys 等国际会议发表论文者优先。\n【快Star】大模型Agent算法工程师-短视频推荐方向\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：2026-07-14\n\n岗位职责\n1. 负责面向短视频推荐场景的大模型 Agent 能力建设，探索 LLM 在推荐系统中的新范式，打造具备自主规划（Planning）、工具调用（Tool Use）、长短期记忆（Memory）、多 Agent 协同（Multi-Agent）等能力的智能推荐 Agent；\n2. 结合大语言模型、多模态大模型及推荐系统，构建内容理解、用户理解、策略生成、创作者服务等 Agent 能力，提升推荐效果、用户体验及内容生态质量，实现用户、创作者与平台的长期共赢；\n3. 探索 Agent 在推荐全链路中的应用，包括但不限于内容消费、内容生产、创作者成长、策略优化、实验分析、算法研发辅助等方向，推动推荐系统从传统模型驱动向 Agent 驱动演进；\n4. 基于海量用户行为、多模态内容及知识数据，探索 LLM、VLM 与推荐模型的融合方案，包括 Representation Learning、Reward Modeling、Agent RL等方向，持续优化推荐核心指标（时长、留存、互动、VV、满意度等）；\n5. 跟踪 Agent、LLM、Reasoning、世界模型（World Model）、强化学习等前沿技术发展，结合业务场景快速完成技术验证并推动落地。\n加入我们，你将获得：\n1. 探索推荐系统的下一代技术范式。 从传统推荐模型迈向 Agent 驱动的智能推荐，参与行业前沿技术创新。\n2. 拥有丰富的真实业务场景。 面向亿级用户、千万级创作者及海量内容，在真实推荐场景中验证和迭代 Agent 能力。\n3. 充足的数据与算力资源。 依托大规模推荐系统和大模型基础设施，探索 LLM、Agent 与推荐融合的最佳实践。\n4. 技术成长空间广阔。 深度参与大模型、推荐系统、强化学习、多模态、Agent 等多个热点方向，推动科研成果快速转化为业务价值。\n\n任职要求\n1. 计算机、人工智能、机器学习、数学、统计学等相关专业，具备扎实的数据结构、算法及机器学习基础；\n2. 熟悉 Python、C++ 等至少一种编程语言，具备优秀的工程实现能力，熟悉 Linux 开发环境；\n3. 熟悉 Transformer、大语言模型、多模态大模型等相关技术，理解 Prompt Engineering、Agent、RAG、Function Calling、Memory、Tool Use 等主流 Agent 技术体系，并具备实际项目经验者优先；\n4. 熟悉推荐算法、搜索、广告、内容理解、NLP、CV、强化学习等方向之一，具有大规模推荐系统或互联网 AI 产品实践经验者优先；\n5. 熟悉 PyTorch、TensorFlow 等深度学习框架，具备模型训练、推理优化及大规模分布式训练经验者优先；\n6. 具备优秀的问题分析能力和创新能力，能够快速阅读论文、复现前沿工作，并结合业务场景完成创新和落地；\n7. 对 AI Agent、Reasoning、AIGC、世界模型、多 Agent 系统等前沿方向保持持续关注，具有较强的技术热情和探索精神；\n8. 在 ICML、NeurIPS、ICLR、KDD、WWW、WSDM、ACL、EMNLP、CVPR、ECCV、ICCV、RecSys 等国际会议发表论文者优先。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [
            "T009"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}