主分类：大模型与生成式算法研发
辅助：计算机视觉与图像感知算法研发（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": "多模态算法实习工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D0000",
"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": "计算机科学、人工智能、电子工程、数学等相关专业的硕士/博士在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "多模态算法实习工程师\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：D0000\n发布时间：2025-03-18\n\n岗位职责\n1、负责优化广告素材理解能力（包括多模态embedding，多模态分类，OCR等），提升素材投放效果；\n2、负责优化广告素材生成链路，通过大规模数据分析和算法迭代，挖掘优质站内素材进行投放；\n3、负责优化广告素材生成链路，利用文生文，文生图等技术提升广告素材质量和丰富度。\n\n任职要求\n1、计算机科学、人工智能、电子工程、数学等相关专业的硕士/博士在读，或具备同等研究能力的优秀本科生；\n2、扎实的机器学习理论基础，熟悉多模态、自监督学习等技术方向；\n3、熟练使用Python及主流深度学习框架（PyTorch/TensorFlow/JAX），具备快速实现算法的能力；\n4、对学术研究有强烈热情，能独立阅读并复现前沿论文，提出改进思路；\n5、每周全职实习4天以上；\n6、在 NIPS、ICML、ICLR、IJCAI / AAAI、SIGKDD、CVPR / ICCV、ACL 等相关国际顶级会议或期刊上有文章发表者优先。",
"requirements_text": "多模态算法实习工程师\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：D0000\n发布时间：2025-03-18\n\n岗位职责\n1、负责优化广告素材理解能力（包括多模态embedding，多模态分类，OCR等），提升素材投放效果；\n2、负责优化广告素材生成链路，通过大规模数据分析和算法迭代，挖掘优质站内素材进行投放；\n3、负责优化广告素材生成链路，利用文生文，文生图等技术提升广告素材质量和丰富度。\n\n任职要求\n1、计算机科学、人工智能、电子工程、数学等相关专业的硕士/博士在读，或具备同等研究能力的优秀本科生；\n2、扎实的机器学习理论基础，熟悉多模态、自监督学习等技术方向；\n3、熟练使用Python及主流深度学习框架（PyTorch/TensorFlow/JAX），具备快速实现算法的能力；\n4、对学术研究有强烈热情，能独立阅读并复现前沿论文，提出改进思路；\n5、每周全职实习4天以上；\n6、在 NIPS、ICML、ICLR、IJCAI / AAAI、SIGKDD、CVPR / ICCV、ACL 等相关国际顶级会议或期刊上有文章发表者优先。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据分析",
"招聘"
],
"preferred_qualifications": "6、在 NIPS、ICML、ICLR、IJCAI / AAAI、SIGKDD、CVPR / ICCV、ACL 等相关国际顶级会议或期刊上有文章发表者优先",
"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/24391"
}
]
},
"posting": {
"posting_id": "24391",
"post_date": "2025-03-18",
"hire_time": "5、每周全职实习4天以上",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/24391"
},
"fulltext": "多模态算法实习工程师\n多模态算法实习工程师\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：D0000\n发布时间：2025-03-18\n\n岗位职责\n1、负责优化广告素材理解能力（包括多模态embedding，多模态分类，OCR等），提升素材投放效果；\n2、负责优化广告素材生成链路，通过大规模数据分析和算法迭代，挖掘优质站内素材进行投放；\n3、负责优化广告素材生成链路，利用文生文，文生图等技术提升广告素材质量和丰富度。\n\n任职要求\n1、计算机科学、人工智能、电子工程、数学等相关专业的硕士/博士在读，或具备同等研究能力的优秀本科生；\n2、扎实的机器学习理论基础，熟悉多模态、自监督学习等技术方向；\n3、熟练使用Python及主流深度学习框架（PyTorch/TensorFlow/JAX），具备快速实现算法的能力；\n4、对学术研究有强烈热情，能独立阅读并复现前沿论文，提出改进思路；\n5、每周全职实习4天以上；\n6、在 NIPS、ICML、ICLR、IJCAI / AAAI、SIGKDD、CVPR / ICCV、ACL 等相关国际顶级会议或期刊上有文章发表者优先。\n多模态算法实习工程师\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：D0000\n发布时间：2025-03-18\n\n岗位职责\n1、负责优化广告素材理解能力（包括多模态embedding，多模态分类，OCR等），提升素材投放效果；\n2、负责优化广告素材生成链路，通过大规模数据分析和算法迭代，挖掘优质站内素材进行投放；\n3、负责优化广告素材生成链路，利用文生文，文生图等技术提升广告素材质量和丰富度。\n\n任职要求\n1、计算机科学、人工智能、电子工程、数学等相关专业的硕士/博士在读，或具备同等研究能力的优秀本科生；\n2、扎实的机器学习理论基础，熟悉多模态、自监督学习等技术方向；\n3、熟练使用Python及主流深度学习框架（PyTorch/TensorFlow/JAX），具备快速实现算法的能力；\n4、对学术研究有强烈热情，能独立阅读并复现前沿论文，提出改进思路；\n5、每周全职实习4天以上；\n6、在 NIPS、ICML、ICLR、IJCAI / AAAI、SIGKDD、CVPR / ICCV、ACL 等相关国际顶级会议或期刊上有文章发表者优先。\n多模态算法实习工程师\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：D0000\n发布时间：2025-03-18\n\n岗位职责\n1、负责优化广告素材理解能力（包括多模态embedding，多模态分类，OCR等），提升素材投放效果；\n2、负责优化广告素材生成链路，通过大规模数据分析和算法迭代，挖掘优质站内素材进行投放；\n3、负责优化广告素材生成链路，利用文生文，文生图等技术提升广告素材质量和丰富度。\n\n任职要求\n1、计算机科学、人工智能、电子工程、数学等相关专业的硕士/博士在读，或具备同等研究能力的优秀本科生；\n2、扎实的机器学习理论基础，熟悉多模态、自监督学习等技术方向；\n3、熟练使用Python及主流深度学习框架（PyTorch/TensorFlow/JAX），具备快速实现算法的能力；\n4、对学术研究有强烈热情，能独立阅读并复现前沿论文，提出改进思路；\n5、每周全职实习4天以上；\n6、在 NIPS、ICML、ICLR、IJCAI / AAAI、SIGKDD、CVPR / ICCV、ACL 等相关国际顶级会议或期刊上有文章发表者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}