主分类：搜索推荐与业务决策算法研发
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": "广告算法实习生-【增长投放】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D6383",
"location": "Beijing",
"work_mode": "未披露",AI生成
"job_category": "J0011"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": "在读硕士或博士",
"language": "4、能阅读英文文献，具备将论文思路转化为工程实验的能力",AI生成
"visa_support": "未披露",
"responsibilities": "广告算法实习生-【增长投放】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D6383\n发布时间：2026-08-13\n\n岗位职责\n团队介绍\n快手增长算法团队负责通过广告外投驱动快手 APP 的拉新、拉回与拉活。我们不只关注点击和转化，更关注用户生命周期内真实的长期价值——如何在投放侧精准识别\"值得投的用户\"，并持续优化这个判断，是团队当前最核心的技术命题。\n职位描述\n1、参与用户长期价值（LTV）建模的研究与工程落地，包括价值预估模型的设计、特征体系建设与模型迭代优化；\n2、研究跨域用户行为建模，利用广告侧与产品侧的多源信号，提升对新用户与流失用户价值的预判能力；\n3、探索强化学习、因果推断、序列建模等方向在长期价值优化中的应用，突破短期指标局限；\n4、参与 CTR/CVR 预估、竞价策略等全链路模型的迭代，围绕 ROI 与 LTV 双目标联合优化；\n5、探索大语言模型（LLM）在广告增长场景中的应用，包括但不限于用户意图理解、创意理解优化、多模态特征融合等方向。\n\n任职要求\n1、在读硕士或博士，计算机、统计学、数学或相关专业背景；\n2、扎实的机器学习基础，熟悉深度学习框架（PyTorch / TensorFlow），具备独立实验能力；\n3、熟练使用 Python 进行数据处理与建模，有 SQL / Spark 使用经验优先；\n4、能阅读英文文献，具备将论文思路转化为工程实验的能力。\n加分项\n1、有用户价值建模、LTV 预估、留存预测等相关研究或实习经验；\n2、熟悉因果推断（Uplift Modeling、DID、IV）或强化学习在业务中的应用；\n3、有计算广告、推荐系统、用户行为序列建模相关背景；\n4、有大模型微调、Prompt Engineering、RAG 或 LLM Agent 相关项目经验；\n5、在 KDD、NeurIPS、ICML、WWW、WSDM、RecSys 等顶会有论文发表或在投。",
"requirements_text": "广告算法实习生-【增长投放】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D6383\n发布时间：2026-08-13\n\n岗位职责\n团队介绍\n快手增长算法团队负责通过广告外投驱动快手 APP 的拉新、拉回与拉活。我们不只关注点击和转化，更关注用户生命周期内真实的长期价值——如何在投放侧精准识别\"值得投的用户\"，并持续优化这个判断，是团队当前最核心的技术命题。\n职位描述\n1、参与用户长期价值（LTV）建模的研究与工程落地，包括价值预估模型的设计、特征体系建设与模型迭代优化；\n2、研究跨域用户行为建模，利用广告侧与产品侧的多源信号，提升对新用户与流失用户价值的预判能力；\n3、探索强化学习、因果推断、序列建模等方向在长期价值优化中的应用，突破短期指标局限；\n4、参与 CTR/CVR 预估、竞价策略等全链路模型的迭代，围绕 ROI 与 LTV 双目标联合优化；\n5、探索大语言模型（LLM）在广告增长场景中的应用，包括但不限于用户意图理解、创意理解优化、多模态特征融合等方向。\n\n任职要求\n1、在读硕士或博士，计算机、统计学、数学或相关专业背景；\n2、扎实的机器学习基础，熟悉深度学习框架（PyTorch / TensorFlow），具备独立实验能力；\n3、熟练使用 Python 进行数据处理与建模，有 SQL / Spark 使用经验优先；\n4、能阅读英文文献，具备将论文思路转化为工程实验的能力。\n加分项\n1、有用户价值建模、LTV 预估、留存预测等相关研究或实习经验；\n2、熟悉因果推断（Uplift Modeling、DID、IV）或强化学习在业务中的应用；\n3、有计算广告、推荐系统、用户行为序列建模相关背景；\n4、有大模型微调、Prompt Engineering、RAG 或 LLM Agent 相关项目经验；\n5、在 KDD、NeurIPS、ICML、WWW、WSDM、RecSys 等顶会有论文发表或在投。",
"skills": [AI生成
"Python",
"SQL",
"Spark",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"模型微调",
"建模",
"招聘",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "3、熟练使用 Python 进行数据处理与建模，有 SQL / Spark 使用经验优先；加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/20325"
}
]
},
"posting": {
"posting_id": "20325",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/20325"
},
"fulltext": "广告算法实习生-【增长投放】\n广告算法实习生-【增长投放】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D6383\n发布时间：2026-08-13\n\n岗位职责\n团队介绍\n快手增长算法团队负责通过广告外投驱动快手 APP 的拉新、拉回与拉活。我们不只关注点击和转化，更关注用户生命周期内真实的长期价值——如何在投放侧精准识别\"值得投的用户\"，并持续优化这个判断，是团队当前最核心的技术命题。\n职位描述\n1、参与用户长期价值（LTV）建模的研究与工程落地，包括价值预估模型的设计、特征体系建设与模型迭代优化；\n2、研究跨域用户行为建模，利用广告侧与产品侧的多源信号，提升对新用户与流失用户价值的预判能力；\n3、探索强化学习、因果推断、序列建模等方向在长期价值优化中的应用，突破短期指标局限；\n4、参与 CTR/CVR 预估、竞价策略等全链路模型的迭代，围绕 ROI 与 LTV 双目标联合优化；\n5、探索大语言模型（LLM）在广告增长场景中的应用，包括但不限于用户意图理解、创意理解优化、多模态特征融合等方向。\n\n任职要求\n1、在读硕士或博士，计算机、统计学、数学或相关专业背景；\n2、扎实的机器学习基础，熟悉深度学习框架（PyTorch / TensorFlow），具备独立实验能力；\n3、熟练使用 Python 进行数据处理与建模，有 SQL / Spark 使用经验优先；\n4、能阅读英文文献，具备将论文思路转化为工程实验的能力。\n加分项\n1、有用户价值建模、LTV 预估、留存预测等相关研究或实习经验；\n2、熟悉因果推断（Uplift Modeling、DID、IV）或强化学习在业务中的应用；\n3、有计算广告、推荐系统、用户行为序列建模相关背景；\n4、有大模型微调、Prompt Engineering、RAG 或 LLM Agent 相关项目经验；\n5、在 KDD、NeurIPS、ICML、WWW、WSDM、RecSys 等顶会有论文发表或在投。\n广告算法实习生-【增长投放】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D6383\n发布时间：2026-08-13\n\n岗位职责\n团队介绍\n快手增长算法团队负责通过广告外投驱动快手 APP 的拉新、拉回与拉活。我们不只关注点击和转化，更关注用户生命周期内真实的长期价值——如何在投放侧精准识别\"值得投的用户\"，并持续优化这个判断，是团队当前最核心的技术命题。\n职位描述\n1、参与用户长期价值（LTV）建模的研究与工程落地，包括价值预估模型的设计、特征体系建设与模型迭代优化；\n2、研究跨域用户行为建模，利用广告侧与产品侧的多源信号，提升对新用户与流失用户价值的预判能力；\n3、探索强化学习、因果推断、序列建模等方向在长期价值优化中的应用，突破短期指标局限；\n4、参与 CTR/CVR 预估、竞价策略等全链路模型的迭代，围绕 ROI 与 LTV 双目标联合优化；\n5、探索大语言模型（LLM）在广告增长场景中的应用，包括但不限于用户意图理解、创意理解优化、多模态特征融合等方向。\n\n任职要求\n1、在读硕士或博士，计算机、统计学、数学或相关专业背景；\n2、扎实的机器学习基础，熟悉深度学习框架（PyTorch / TensorFlow），具备独立实验能力；\n3、熟练使用 Python 进行数据处理与建模，有 SQL / Spark 使用经验优先；\n4、能阅读英文文献，具备将论文思路转化为工程实验的能力。\n加分项\n1、有用户价值建模、LTV 预估、留存预测等相关研究或实习经验；\n2、熟悉因果推断（Uplift Modeling、DID、IV）或强化学习在业务中的应用；\n3、有计算广告、推荐系统、用户行为序列建模相关背景；\n4、有大模型微调、Prompt Engineering、RAG 或 LLM Agent 相关项目经验；\n5、在 KDD、NeurIPS、ICML、WWW、WSDM、RecSys 等顶会有论文发表或在投。\n广告算法实习生-【增长投放】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D6383\n发布时间：2026-08-13\n\n岗位职责\n团队介绍\n快手增长算法团队负责通过广告外投驱动快手 APP 的拉新、拉回与拉活。我们不只关注点击和转化，更关注用户生命周期内真实的长期价值——如何在投放侧精准识别\"值得投的用户\"，并持续优化这个判断，是团队当前最核心的技术命题。\n职位描述\n1、参与用户长期价值（LTV）建模的研究与工程落地，包括价值预估模型的设计、特征体系建设与模型迭代优化；\n2、研究跨域用户行为建模，利用广告侧与产品侧的多源信号，提升对新用户与流失用户价值的预判能力；\n3、探索强化学习、因果推断、序列建模等方向在长期价值优化中的应用，突破短期指标局限；\n4、参与 CTR/CVR 预估、竞价策略等全链路模型的迭代，围绕 ROI 与 LTV 双目标联合优化；\n5、探索大语言模型（LLM）在广告增长场景中的应用，包括但不限于用户意图理解、创意理解优化、多模态特征融合等方向。\n\n任职要求\n1、在读硕士或博士，计算机、统计学、数学或相关专业背景；\n2、扎实的机器学习基础，熟悉深度学习框架（PyTorch / TensorFlow），具备独立实验能力；\n3、熟练使用 Python 进行数据处理与建模，有 SQL / Spark 使用经验优先；\n4、能阅读英文文献，具备将论文思路转化为工程实验的能力。\n加分项\n1、有用户价值建模、LTV 预估、留存预测等相关研究或实习经验；\n2、熟悉因果推断（Uplift Modeling、DID、IV）或强化学习在业务中的应用；\n3、有计算广告、推荐系统、用户行为序列建模相关背景；\n4、有大模型微调、Prompt Engineering、RAG 或 LLM Agent 相关项目经验；\n5、在 KDD、NeurIPS、ICML、WWW、WSDM、RecSys 等顶会有论文发表或在投。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}