{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【快Star】多模态大模型算法工程师-Keye-【可灵AI专项】",
        "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": "J1007"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": "计算机科学与技术、人工智能、自动化、数学等相关专业的应届硕士或博士",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "【快Star】多模态大模型算法工程师-Keye-【可灵AI专项】\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：J1007\n工作地点：北京\n发布时间：2026-07-15\n\n岗位职责\n团队介绍：Keye多模态大模型团队，作为「基座研发 + 产品赋能」双轮驱动的团队，致力于打通从Data到Product的最后一公里，打造最强的多模态理解底座。\n1、深耕基座：攻坚多模态基座核心架构，探索Scaling Law的极致边界；\n2、数据为王：构建工业级数据清洗与自动化评测体系，用高质量数据重塑智能；\n3、进化智能：突破强化学习与推理增强技术，让模型更聪明、更可控。\n依托可灵生态，与团队一同打造最具行业竞争力的多模态基座模型。我们的研发体系覆盖大模型全链路，候选人的工作方向涵盖但不限于以下三大核心领域——你可以结合自身的学术背景与技术兴趣自由选择，我们也非常鼓励跨界探索与能力延展：\n方向一：多模态基座与预训练算法方向\n聚焦架构范式革新，突破当前\"语言模型+视觉适配器\"拼接式设计的能力天花板，构建原生支持图/文/音/视频统一表征的新一代多模态架构；\n参与万亿级参数多模态MoE模型的训练探索与稀疏注意力机制优化，设计更高效的跨模态语义对齐策略与超长上下文（Ultra-long Context）模型；\n参与图像与视频场景的联合建模与因果视觉表征学习，探索并在超大规模集群训练中验证多模态Scaling Laws。\n方向二：多模态后训练与智能体（Agent）演进方向\n参与前沿模型后训练方法（如RLHF、PPO、OPD等对齐技术）的研究与工程实践，持续提升模型在复杂任务中的推理、理解与泛化能力；\n探索多模态智能体在复杂场景中的能力落地，涵盖工具调用（Tool-use）、代码执行、信息检索、长程规划与闭环决策；\n参与视觉智能体的底层能力建设，探索以视觉感知驱动的自主决策与任务执行范式（涵盖GUI操控、视频理解与个人助手等），并参与构建自动化迭代体系。\n方向三：多模态数据治理与飞轮建设方向\n参与大规模混合模态数据的深度治理，负责高精度OCR、高质量Caption生成及语义对齐数据合成，从根本上解决数据噪声与模态错位难题；\n围绕智能Agent的推理规划与多轮交互，拆解真实场景需求，构建高质量的推理、决策与指令交互数据集；\n参与商业化数据Pipeline与“用户交互-数据飞轮”闭环建设，通过高质量训练数据构建（Data-centric AI），实现完全数据驱动的模型自适应演进。\n\n任职要求\n1、计算机科学与技术、人工智能、自动化、数学等相关专业的应届硕士或博士；\n2、具备扎实的计算机多模态/NLP/CV理论基础，有良好的数学底子，精通Python编程，具备极强的独立开发与调试能力；\n3、熟悉至少一种主流深度学习或分布式训练框架（如 PyTorch、Megatron-LM、DeepSpeed 等）；\n4、热衷于通用大模型（AGI）及新兴技术领域，深度认同数据与算法双轮驱动的价值，具备良好的沟通协作能力与极客精神。\n加分项：\n1、在 NeurIPS、ICLR、ICML、CVPR、ACL 等人工智能顶级会议或期刊上作为核心作者发表过高质量研究论文；\n2、在 NOI、ACM-ICPC 等国内外知名算法竞赛中取得优异成绩；\n3、有深度参与知名开源大模型项目经历，或在多模态、RLHF、Agent等前沿方向有扎实的实战经验。",
        "requirements_text": "【快Star】多模态大模型算法工程师-Keye-【可灵AI专项】\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：J1007\n工作地点：北京\n发布时间：2026-07-15\n\n岗位职责\n团队介绍：Keye多模态大模型团队，作为「基座研发 + 产品赋能」双轮驱动的团队，致力于打通从Data到Product的最后一公里，打造最强的多模态理解底座。\n1、深耕基座：攻坚多模态基座核心架构，探索Scaling Law的极致边界；\n2、数据为王：构建工业级数据清洗与自动化评测体系，用高质量数据重塑智能；\n3、进化智能：突破强化学习与推理增强技术，让模型更聪明、更可控。\n依托可灵生态，与团队一同打造最具行业竞争力的多模态基座模型。我们的研发体系覆盖大模型全链路，候选人的工作方向涵盖但不限于以下三大核心领域——你可以结合自身的学术背景与技术兴趣自由选择，我们也非常鼓励跨界探索与能力延展：\n方向一：多模态基座与预训练算法方向\n聚焦架构范式革新，突破当前\"语言模型+视觉适配器\"拼接式设计的能力天花板，构建原生支持图/文/音/视频统一表征的新一代多模态架构；\n参与万亿级参数多模态MoE模型的训练探索与稀疏注意力机制优化，设计更高效的跨模态语义对齐策略与超长上下文（Ultra-long Context）模型；\n参与图像与视频场景的联合建模与因果视觉表征学习，探索并在超大规模集群训练中验证多模态Scaling Laws。\n方向二：多模态后训练与智能体（Agent）演进方向\n参与前沿模型后训练方法（如RLHF、PPO、OPD等对齐技术）的研究与工程实践，持续提升模型在复杂任务中的推理、理解与泛化能力；\n探索多模态智能体在复杂场景中的能力落地，涵盖工具调用（Tool-use）、代码执行、信息检索、长程规划与闭环决策；\n参与视觉智能体的底层能力建设，探索以视觉感知驱动的自主决策与任务执行范式（涵盖GUI操控、视频理解与个人助手等），并参与构建自动化迭代体系。\n方向三：多模态数据治理与飞轮建设方向\n参与大规模混合模态数据的深度治理，负责高精度OCR、高质量Caption生成及语义对齐数据合成，从根本上解决数据噪声与模态错位难题；\n围绕智能Agent的推理规划与多轮交互，拆解真实场景需求，构建高质量的推理、决策与指令交互数据集；\n参与商业化数据Pipeline与“用户交互-数据飞轮”闭环建设，通过高质量训练数据构建（Data-centric AI），实现完全数据驱动的模型自适应演进。\n\n任职要求\n1、计算机科学与技术、人工智能、自动化、数学等相关专业的应届硕士或博士；\n2、具备扎实的计算机多模态/NLP/CV理论基础，有良好的数学底子，精通Python编程，具备极强的独立开发与调试能力；\n3、熟悉至少一种主流深度学习或分布式训练框架（如 PyTorch、Megatron-LM、DeepSpeed 等）；\n4、热衷于通用大模型（AGI）及新兴技术领域，深度认同数据与算法双轮驱动的价值，具备良好的沟通协作能力与极客精神。\n加分项：\n1、在 NeurIPS、ICLR、ICML、CVPR、ACL 等人工智能顶级会议或期刊上作为核心作者发表过高质量研究论文；\n2、在 NOI、ACM-ICPC 等国内外知名算法竞赛中取得优异成绩；\n3、有深度参与知名开源大模型项目经历，或在多模态、RLHF、Agent等前沿方向有扎实的实战经验。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "深度学习",
            "强化学习",
            "自然语言处理",
            "数据治理",
            "数据清洗",
            "建模",
            "招聘",
            "大语言模型",
            "智能体开发"
        ],
        "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/13006?recruitSubProjectCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "13006",
        "post_date": "2026-07-15",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13006?recruitSubProjectCodes="
    },
    "fulltext": "【快Star】多模态大模型算法工程师-Keye-【可灵AI专项】\n【快Star】多模态大模型算法工程师-Keye-【可灵AI专项】\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：J1007\n工作地点：北京\n发布时间：2026-07-15\n\n岗位职责\n团队介绍：Keye多模态大模型团队，作为「基座研发 + 产品赋能」双轮驱动的团队，致力于打通从Data到Product的最后一公里，打造最强的多模态理解底座。\n1、深耕基座：攻坚多模态基座核心架构，探索Scaling Law的极致边界；\n2、数据为王：构建工业级数据清洗与自动化评测体系，用高质量数据重塑智能；\n3、进化智能：突破强化学习与推理增强技术，让模型更聪明、更可控。\n依托可灵生态，与团队一同打造最具行业竞争力的多模态基座模型。我们的研发体系覆盖大模型全链路，候选人的工作方向涵盖但不限于以下三大核心领域——你可以结合自身的学术背景与技术兴趣自由选择，我们也非常鼓励跨界探索与能力延展：\n方向一：多模态基座与预训练算法方向\n聚焦架构范式革新，突破当前\"语言模型+视觉适配器\"拼接式设计的能力天花板，构建原生支持图/文/音/视频统一表征的新一代多模态架构；\n参与万亿级参数多模态MoE模型的训练探索与稀疏注意力机制优化，设计更高效的跨模态语义对齐策略与超长上下文（Ultra-long Context）模型；\n参与图像与视频场景的联合建模与因果视觉表征学习，探索并在超大规模集群训练中验证多模态Scaling Laws。\n方向二：多模态后训练与智能体（Agent）演进方向\n参与前沿模型后训练方法（如RLHF、PPO、OPD等对齐技术）的研究与工程实践，持续提升模型在复杂任务中的推理、理解与泛化能力；\n探索多模态智能体在复杂场景中的能力落地，涵盖工具调用（Tool-use）、代码执行、信息检索、长程规划与闭环决策；\n参与视觉智能体的底层能力建设，探索以视觉感知驱动的自主决策与任务执行范式（涵盖GUI操控、视频理解与个人助手等），并参与构建自动化迭代体系。\n方向三：多模态数据治理与飞轮建设方向\n参与大规模混合模态数据的深度治理，负责高精度OCR、高质量Caption生成及语义对齐数据合成，从根本上解决数据噪声与模态错位难题；\n围绕智能Agent的推理规划与多轮交互，拆解真实场景需求，构建高质量的推理、决策与指令交互数据集；\n参与商业化数据Pipeline与“用户交互-数据飞轮”闭环建设，通过高质量训练数据构建（Data-centric AI），实现完全数据驱动的模型自适应演进。\n\n任职要求\n1、计算机科学与技术、人工智能、自动化、数学等相关专业的应届硕士或博士；\n2、具备扎实的计算机多模态/NLP/CV理论基础，有良好的数学底子，精通Python编程，具备极强的独立开发与调试能力；\n3、熟悉至少一种主流深度学习或分布式训练框架（如 PyTorch、Megatron-LM、DeepSpeed 等）；\n4、热衷于通用大模型（AGI）及新兴技术领域，深度认同数据与算法双轮驱动的价值，具备良好的沟通协作能力与极客精神。\n加分项：\n1、在 NeurIPS、ICLR、ICML、CVPR、ACL 等人工智能顶级会议或期刊上作为核心作者发表过高质量研究论文；\n2、在 NOI、ACM-ICPC 等国内外知名算法竞赛中取得优异成绩；\n3、有深度参与知名开源大模型项目经历，或在多模态、RLHF、Agent等前沿方向有扎实的实战经验。\n【快Star】多模态大模型算法工程师-Keye-【可灵AI专项】\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：J1007\n工作地点：北京\n发布时间：2026-07-15\n\n岗位职责\n团队介绍：Keye多模态大模型团队，作为「基座研发 + 产品赋能」双轮驱动的团队，致力于打通从Data到Product的最后一公里，打造最强的多模态理解底座。\n1、深耕基座：攻坚多模态基座核心架构，探索Scaling Law的极致边界；\n2、数据为王：构建工业级数据清洗与自动化评测体系，用高质量数据重塑智能；\n3、进化智能：突破强化学习与推理增强技术，让模型更聪明、更可控。\n依托可灵生态，与团队一同打造最具行业竞争力的多模态基座模型。我们的研发体系覆盖大模型全链路，候选人的工作方向涵盖但不限于以下三大核心领域——你可以结合自身的学术背景与技术兴趣自由选择，我们也非常鼓励跨界探索与能力延展：\n方向一：多模态基座与预训练算法方向\n聚焦架构范式革新，突破当前\"语言模型+视觉适配器\"拼接式设计的能力天花板，构建原生支持图/文/音/视频统一表征的新一代多模态架构；\n参与万亿级参数多模态MoE模型的训练探索与稀疏注意力机制优化，设计更高效的跨模态语义对齐策略与超长上下文（Ultra-long Context）模型；\n参与图像与视频场景的联合建模与因果视觉表征学习，探索并在超大规模集群训练中验证多模态Scaling Laws。\n方向二：多模态后训练与智能体（Agent）演进方向\n参与前沿模型后训练方法（如RLHF、PPO、OPD等对齐技术）的研究与工程实践，持续提升模型在复杂任务中的推理、理解与泛化能力；\n探索多模态智能体在复杂场景中的能力落地，涵盖工具调用（Tool-use）、代码执行、信息检索、长程规划与闭环决策；\n参与视觉智能体的底层能力建设，探索以视觉感知驱动的自主决策与任务执行范式（涵盖GUI操控、视频理解与个人助手等），并参与构建自动化迭代体系。\n方向三：多模态数据治理与飞轮建设方向\n参与大规模混合模态数据的深度治理，负责高精度OCR、高质量Caption生成及语义对齐数据合成，从根本上解决数据噪声与模态错位难题；\n围绕智能Agent的推理规划与多轮交互，拆解真实场景需求，构建高质量的推理、决策与指令交互数据集；\n参与商业化数据Pipeline与“用户交互-数据飞轮”闭环建设，通过高质量训练数据构建（Data-centric AI），实现完全数据驱动的模型自适应演进。\n\n任职要求\n1、计算机科学与技术、人工智能、自动化、数学等相关专业的应届硕士或博士；\n2、具备扎实的计算机多模态/NLP/CV理论基础，有良好的数学底子，精通Python编程，具备极强的独立开发与调试能力；\n3、熟悉至少一种主流深度学习或分布式训练框架（如 PyTorch、Megatron-LM、DeepSpeed 等）；\n4、热衷于通用大模型（AGI）及新兴技术领域，深度认同数据与算法双轮驱动的价值，具备良好的沟通协作能力与极客精神。\n加分项：\n1、在 NeurIPS、ICLR、ICML、CVPR、ACL 等人工智能顶级会议或期刊上作为核心作者发表过高质量研究论文；\n2、在 NOI、ACM-ICPC 等国内外知名算法竞赛中取得优异成绩；\n3、有深度参与知名开源大模型项目经历，或在多模态、RLHF、Agent等前沿方向有扎实的实战经验。\n【快Star】多模态大模型算法工程师-Keye-【可灵AI专项】\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：J1007\n工作地点：北京\n发布时间：2026-07-15\n\n岗位职责\n团队介绍：Keye多模态大模型团队，作为「基座研发 + 产品赋能」双轮驱动的团队，致力于打通从Data到Product的最后一公里，打造最强的多模态理解底座。\n1、深耕基座：攻坚多模态基座核心架构，探索Scaling Law的极致边界；\n2、数据为王：构建工业级数据清洗与自动化评测体系，用高质量数据重塑智能；\n3、进化智能：突破强化学习与推理增强技术，让模型更聪明、更可控。\n依托可灵生态，与团队一同打造最具行业竞争力的多模态基座模型。我们的研发体系覆盖大模型全链路，候选人的工作方向涵盖但不限于以下三大核心领域——你可以结合自身的学术背景与技术兴趣自由选择，我们也非常鼓励跨界探索与能力延展：\n方向一：多模态基座与预训练算法方向\n聚焦架构范式革新，突破当前\"语言模型+视觉适配器\"拼接式设计的能力天花板，构建原生支持图/文/音/视频统一表征的新一代多模态架构；\n参与万亿级参数多模态MoE模型的训练探索与稀疏注意力机制优化，设计更高效的跨模态语义对齐策略与超长上下文（Ultra-long Context）模型；\n参与图像与视频场景的联合建模与因果视觉表征学习，探索并在超大规模集群训练中验证多模态Scaling Laws。\n方向二：多模态后训练与智能体（Agent）演进方向\n参与前沿模型后训练方法（如RLHF、PPO、OPD等对齐技术）的研究与工程实践，持续提升模型在复杂任务中的推理、理解与泛化能力；\n探索多模态智能体在复杂场景中的能力落地，涵盖工具调用（Tool-use）、代码执行、信息检索、长程规划与闭环决策；\n参与视觉智能体的底层能力建设，探索以视觉感知驱动的自主决策与任务执行范式（涵盖GUI操控、视频理解与个人助手等），并参与构建自动化迭代体系。\n方向三：多模态数据治理与飞轮建设方向\n参与大规模混合模态数据的深度治理，负责高精度OCR、高质量Caption生成及语义对齐数据合成，从根本上解决数据噪声与模态错位难题；\n围绕智能Agent的推理规划与多轮交互，拆解真实场景需求，构建高质量的推理、决策与指令交互数据集；\n参与商业化数据Pipeline与“用户交互-数据飞轮”闭环建设，通过高质量训练数据构建（Data-centric AI），实现完全数据驱动的模型自适应演进。\n\n任职要求\n1、计算机科学与技术、人工智能、自动化、数学等相关专业的应届硕士或博士；\n2、具备扎实的计算机多模态/NLP/CV理论基础，有良好的数学底子，精通Python编程，具备极强的独立开发与调试能力；\n3、熟悉至少一种主流深度学习或分布式训练框架（如 PyTorch、Megatron-LM、DeepSpeed 等）；\n4、热衷于通用大模型（AGI）及新兴技术领域，深度认同数据与算法双轮驱动的价值，具备良好的沟通协作能力与极客精神。\n加分项：\n1、在 NeurIPS、ICLR、ICML、CVPR、ACL 等人工智能顶级会议或期刊上作为核心作者发表过高质量研究论文；\n2、在 NOI、ACM-ICPC 等国内外知名算法竞赛中取得优异成绩；\n3、有深度参与知名开源大模型项目经历，或在多模态、RLHF、Agent等前沿方向有扎实的实战经验。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}