{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【快Star】多模态大模型数据策略算法工程师",
        "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": "J1001"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、人工智能、统计学、数学或相关专业硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "【快Star】多模态大模型数据策略算法工程师\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：J1001\n工作地点：北京\n发布时间：2026-07-20\n\n岗位职责\n1. 主导可灵生成式大模型的训练数据管线建设，涵盖寻源、采集、处理、实验与分析等环节，为基础模型提供多种模态( 视频/图片/文本) 的 稳定且高质量训练数据；\n2. 涵盖模型训练的各个阶段( 预训练/后训练/RL 等)，针对模型的效果短板，探索基于MLLM的数据合成与增强技术，设计高效生成策略以补充数据缺口，并定义高价值与高质量数据标准，\n3. 建立Data-Model的自动化评估体系，并结合模型评测与数据分析反馈，反向迭代生产线与数据生成策略；\n4. 设计数据链路策略，建设端到端的数据质量、多样性体系及数据标签，与模型算法、数据产品高效协同，探索模型训练数据的最优配比。\n5. 搭建并优化大模型训练的数据工程基建，基于Harness 研发模式，快速开发自动化框架与工具链，并运用数据挖掘、统计分析、大模型工具等方法，提升数据策略的迭代与分析效率。\n\n任职要求\n1. 计算机、人工智能、统计学、数学或相关专业硕士及以上学历，具备机器学习、模型训练及数据处理项目经验，拥有扎实的数据分析与建模基础；\n2. 具备AI数据开发经验，掌握大模型预训练基本原理，熟悉至少一类核心模态（视频/图片/文本）的数据特性；\n具备扎实的编程基本功，精通python并至少掌握一种工程类编程语言( C++/Java/Go )。\n3. 在数据策略或工程领域，需精通以下任意方向的专业能力：数据策略：深入理解主流大模型架构及训练机制，熟悉各类数据评估算法与数据增强机制；数据工程：熟悉Ray/ Spark / Flink 等分布式计算框架，熟悉vLLM等推理加速框架者优先\n4. 具备数据质量指标设计能力，能够熟练使用机器学习算法优化数据筛选与评估效率，沟通高效，良好的合作精神。\n5. 加分项：对视频生成、计算机视觉或多模态生成技术有深入理解；在大模型相关领域（ACL、EMNLP、NeurIPS等）发表过高水平论文，或在GitHub开源项目（特别涉及合成数据、数据处理）有活跃贡献者优先。",
        "requirements_text": "【快Star】多模态大模型数据策略算法工程师\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：J1001\n工作地点：北京\n发布时间：2026-07-20\n\n岗位职责\n1. 主导可灵生成式大模型的训练数据管线建设，涵盖寻源、采集、处理、实验与分析等环节，为基础模型提供多种模态( 视频/图片/文本) 的 稳定且高质量训练数据；\n2. 涵盖模型训练的各个阶段( 预训练/后训练/RL 等)，针对模型的效果短板，探索基于MLLM的数据合成与增强技术，设计高效生成策略以补充数据缺口，并定义高价值与高质量数据标准，\n3. 建立Data-Model的自动化评估体系，并结合模型评测与数据分析反馈，反向迭代生产线与数据生成策略；\n4. 设计数据链路策略，建设端到端的数据质量、多样性体系及数据标签，与模型算法、数据产品高效协同，探索模型训练数据的最优配比。\n5. 搭建并优化大模型训练的数据工程基建，基于Harness 研发模式，快速开发自动化框架与工具链，并运用数据挖掘、统计分析、大模型工具等方法，提升数据策略的迭代与分析效率。\n\n任职要求\n1. 计算机、人工智能、统计学、数学或相关专业硕士及以上学历，具备机器学习、模型训练及数据处理项目经验，拥有扎实的数据分析与建模基础；\n2. 具备AI数据开发经验，掌握大模型预训练基本原理，熟悉至少一类核心模态（视频/图片/文本）的数据特性；\n具备扎实的编程基本功，精通python并至少掌握一种工程类编程语言( C++/Java/Go )。\n3. 在数据策略或工程领域，需精通以下任意方向的专业能力：数据策略：深入理解主流大模型架构及训练机制，熟悉各类数据评估算法与数据增强机制；数据工程：熟悉Ray/ Spark / Flink 等分布式计算框架，熟悉vLLM等推理加速框架者优先\n4. 具备数据质量指标设计能力，能够熟练使用机器学习算法优化数据筛选与评估效率，沟通高效，良好的合作精神。\n5. 加分项：对视频生成、计算机视觉或多模态生成技术有深入理解；在大模型相关领域（ACL、EMNLP、NeurIPS等）发表过高水平论文，或在GitHub开源项目（特别涉及合成数据、数据处理）有活跃贡献者优先。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "Spark",
            "Flink",
            "机器学习",
            "计算机视觉",
            "数据分析",
            "统计分析",
            "数据挖掘",
            "模型训练",
            "建模",
            "招聘",
            "Go",
            "大语言模型"
        ],
        "preferred_qualifications": "数据工程：熟悉Ray/ Spark / Flink 等分布式计算框架，熟悉vLLM等推理加速框架者优先；5. 加分项：对视频生成、计算机视觉或多模态生成技术有深入理解；在大模型相关领域（ACL、EMNLP、NeurIPS等）发表过高水平论文，或在GitHub开源项目（特别涉及合成数据、数据处理）有活跃贡献者优先",
        "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/13012?recruitSubProjectCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "13012",
        "post_date": "2026-07-20",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13012?recruitSubProjectCodes="
    },
    "fulltext": "【快Star】多模态大模型数据策略算法工程师\n【快Star】多模态大模型数据策略算法工程师\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：J1001\n工作地点：北京\n发布时间：2026-07-20\n\n岗位职责\n1. 主导可灵生成式大模型的训练数据管线建设，涵盖寻源、采集、处理、实验与分析等环节，为基础模型提供多种模态( 视频/图片/文本) 的 稳定且高质量训练数据；\n2. 涵盖模型训练的各个阶段( 预训练/后训练/RL 等)，针对模型的效果短板，探索基于MLLM的数据合成与增强技术，设计高效生成策略以补充数据缺口，并定义高价值与高质量数据标准，\n3. 建立Data-Model的自动化评估体系，并结合模型评测与数据分析反馈，反向迭代生产线与数据生成策略；\n4. 设计数据链路策略，建设端到端的数据质量、多样性体系及数据标签，与模型算法、数据产品高效协同，探索模型训练数据的最优配比。\n5. 搭建并优化大模型训练的数据工程基建，基于Harness 研发模式，快速开发自动化框架与工具链，并运用数据挖掘、统计分析、大模型工具等方法，提升数据策略的迭代与分析效率。\n\n任职要求\n1. 计算机、人工智能、统计学、数学或相关专业硕士及以上学历，具备机器学习、模型训练及数据处理项目经验，拥有扎实的数据分析与建模基础；\n2. 具备AI数据开发经验，掌握大模型预训练基本原理，熟悉至少一类核心模态（视频/图片/文本）的数据特性；\n具备扎实的编程基本功，精通python并至少掌握一种工程类编程语言( C++/Java/Go )。\n3. 在数据策略或工程领域，需精通以下任意方向的专业能力：数据策略：深入理解主流大模型架构及训练机制，熟悉各类数据评估算法与数据增强机制；数据工程：熟悉Ray/ Spark / Flink 等分布式计算框架，熟悉vLLM等推理加速框架者优先\n4. 具备数据质量指标设计能力，能够熟练使用机器学习算法优化数据筛选与评估效率，沟通高效，良好的合作精神。\n5. 加分项：对视频生成、计算机视觉或多模态生成技术有深入理解；在大模型相关领域（ACL、EMNLP、NeurIPS等）发表过高水平论文，或在GitHub开源项目（特别涉及合成数据、数据处理）有活跃贡献者优先。\n【快Star】多模态大模型数据策略算法工程师\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：J1001\n工作地点：北京\n发布时间：2026-07-20\n\n岗位职责\n1. 主导可灵生成式大模型的训练数据管线建设，涵盖寻源、采集、处理、实验与分析等环节，为基础模型提供多种模态( 视频/图片/文本) 的 稳定且高质量训练数据；\n2. 涵盖模型训练的各个阶段( 预训练/后训练/RL 等)，针对模型的效果短板，探索基于MLLM的数据合成与增强技术，设计高效生成策略以补充数据缺口，并定义高价值与高质量数据标准，\n3. 建立Data-Model的自动化评估体系，并结合模型评测与数据分析反馈，反向迭代生产线与数据生成策略；\n4. 设计数据链路策略，建设端到端的数据质量、多样性体系及数据标签，与模型算法、数据产品高效协同，探索模型训练数据的最优配比。\n5. 搭建并优化大模型训练的数据工程基建，基于Harness 研发模式，快速开发自动化框架与工具链，并运用数据挖掘、统计分析、大模型工具等方法，提升数据策略的迭代与分析效率。\n\n任职要求\n1. 计算机、人工智能、统计学、数学或相关专业硕士及以上学历，具备机器学习、模型训练及数据处理项目经验，拥有扎实的数据分析与建模基础；\n2. 具备AI数据开发经验，掌握大模型预训练基本原理，熟悉至少一类核心模态（视频/图片/文本）的数据特性；\n具备扎实的编程基本功，精通python并至少掌握一种工程类编程语言( C++/Java/Go )。\n3. 在数据策略或工程领域，需精通以下任意方向的专业能力：数据策略：深入理解主流大模型架构及训练机制，熟悉各类数据评估算法与数据增强机制；数据工程：熟悉Ray/ Spark / Flink 等分布式计算框架，熟悉vLLM等推理加速框架者优先\n4. 具备数据质量指标设计能力，能够熟练使用机器学习算法优化数据筛选与评估效率，沟通高效，良好的合作精神。\n5. 加分项：对视频生成、计算机视觉或多模态生成技术有深入理解；在大模型相关领域（ACL、EMNLP、NeurIPS等）发表过高水平论文，或在GitHub开源项目（特别涉及合成数据、数据处理）有活跃贡献者优先。\n【快Star】多模态大模型数据策略算法工程师\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：J1001\n工作地点：北京\n发布时间：2026-07-20\n\n岗位职责\n1. 主导可灵生成式大模型的训练数据管线建设，涵盖寻源、采集、处理、实验与分析等环节，为基础模型提供多种模态( 视频/图片/文本) 的 稳定且高质量训练数据；\n2. 涵盖模型训练的各个阶段( 预训练/后训练/RL 等)，针对模型的效果短板，探索基于MLLM的数据合成与增强技术，设计高效生成策略以补充数据缺口，并定义高价值与高质量数据标准，\n3. 建立Data-Model的自动化评估体系，并结合模型评测与数据分析反馈，反向迭代生产线与数据生成策略；\n4. 设计数据链路策略，建设端到端的数据质量、多样性体系及数据标签，与模型算法、数据产品高效协同，探索模型训练数据的最优配比。\n5. 搭建并优化大模型训练的数据工程基建，基于Harness 研发模式，快速开发自动化框架与工具链，并运用数据挖掘、统计分析、大模型工具等方法，提升数据策略的迭代与分析效率。\n\n任职要求\n1. 计算机、人工智能、统计学、数学或相关专业硕士及以上学历，具备机器学习、模型训练及数据处理项目经验，拥有扎实的数据分析与建模基础；\n2. 具备AI数据开发经验，掌握大模型预训练基本原理，熟悉至少一类核心模态（视频/图片/文本）的数据特性；\n具备扎实的编程基本功，精通python并至少掌握一种工程类编程语言( C++/Java/Go )。\n3. 在数据策略或工程领域，需精通以下任意方向的专业能力：数据策略：深入理解主流大模型架构及训练机制，熟悉各类数据评估算法与数据增强机制；数据工程：熟悉Ray/ Spark / Flink 等分布式计算框架，熟悉vLLM等推理加速框架者优先\n4. 具备数据质量指标设计能力，能够熟练使用机器学习算法优化数据筛选与评估效率，沟通高效，良好的合作精神。\n5. 加分项：对视频生成、计算机视觉或多模态生成技术有深入理解；在大模型相关领域（ACL、EMNLP、NeurIPS等）发表过高水平论文，或在GitHub开源项目（特别涉及合成数据、数据处理）有活跃贡献者优先。",
    "standard_classification": {
        "std_category_code": "T016",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}