{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型算法实习生-【商业化】",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "D11908",
        "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、电子工程等相关专业硕士/博士在读",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "大模型算法实习生-【商业化】\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：D11908\n发布时间：2026-04-16\n\n岗位职责\n1、大模型理解方向：探索多模态大模型在视频、图像、文本内容的理解能力，构建场景化模型，提升风险识别准召率； 研究视频/图像拒绝理由的可解释性归因方法，推动人机协同审核应用落地； 构建大模型在风险防控、开户业务等场景的垂类内容理解能力，优化模型对抗性及迭代效率； 开发视频、图文向量化表征技术，提升跨模态检索能力（如视频索引、图文相似性检索）；\n2、大模型生成方向：研究多模态大模型（图像/视频）生成与修复技术，探索可控内容生成方法，提升风险素材过审率； 构建大模型训练、推理、评测的标准化流程，推动平台化能力建设与自动化迭代；\n3、大模型推理部署方向：优化大模型推理框架（低延迟、高吞吐），研究量化、剪枝、动态调度等加速技术； 推动多模态大模型在工业级场景的轻量化部署落地。\n*根据研究方向选择以上至少一个领域深入参与。\n\n任职要求\n1、计算机科学、人工智能、电子工程等相关专业硕士/博士在读，扎实的算法与编程基础；\n2、熟悉多模态大模型（如Transformer、CLIP、ViT等）及生成模型（如Diffusion、GAN）、熟练使用PyTorch/TensorFlow等框架，熟悉分布式训练或模型压缩技术者优先、具备视频处理、跨模态检索、强化学习相关经验者加分；\n3、对技术前沿敏感，能独立复现论文算法并改进，有顶会论文发表或竞赛经验者优先；\n4、逻辑清晰，责任心强，具备快速学习能力和团队协作意识。\n加分项：熟悉大模型在风控、内容审核等场景的应用",
        "requirements_text": "大模型算法实习生-【商业化】\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：D11908\n发布时间：2026-04-16\n\n岗位职责\n1、大模型理解方向：探索多模态大模型在视频、图像、文本内容的理解能力，构建场景化模型，提升风险识别准召率； 研究视频/图像拒绝理由的可解释性归因方法，推动人机协同审核应用落地； 构建大模型在风险防控、开户业务等场景的垂类内容理解能力，优化模型对抗性及迭代效率； 开发视频、图文向量化表征技术，提升跨模态检索能力（如视频索引、图文相似性检索）；\n2、大模型生成方向：研究多模态大模型（图像/视频）生成与修复技术，探索可控内容生成方法，提升风险素材过审率； 构建大模型训练、推理、评测的标准化流程，推动平台化能力建设与自动化迭代；\n3、大模型推理部署方向：优化大模型推理框架（低延迟、高吞吐），研究量化、剪枝、动态调度等加速技术； 推动多模态大模型在工业级场景的轻量化部署落地。\n*根据研究方向选择以上至少一个领域深入参与。\n\n任职要求\n1、计算机科学、人工智能、电子工程等相关专业硕士/博士在读，扎实的算法与编程基础；\n2、熟悉多模态大模型（如Transformer、CLIP、ViT等）及生成模型（如Diffusion、GAN）、熟练使用PyTorch/TensorFlow等框架，熟悉分布式训练或模型压缩技术者优先、具备视频处理、跨模态检索、强化学习相关经验者加分；\n3、对技术前沿敏感，能独立复现论文算法并改进，有顶会论文发表或竞赛经验者优先；\n4、逻辑清晰，责任心强，具备快速学习能力和团队协作意识。\n加分项：熟悉大模型在风控、内容审核等场景的应用",
        "skills": [AI生成
            "PyTorch",
            "TensorFlow",
            "强化学习",
            "模型训练",
            "团队协作",
            "学习能力",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "2、熟悉多模态大模型（如Transformer、CLIP、ViT等）及生成模型（如Diffusion、GAN）、熟练使用PyTorch/TensorFlow等框架，熟悉分布式训练或模型压缩技术者优先、具备视频处理、跨模态检索、强化学习相关经验者加分；3、对技术前沿敏感，能独立复现论文算法并改进，有顶会论文发表或竞赛经验者优先；加分项：熟悉大模型在风控、内容审核等场景的应用",
        "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/24902"
            }
        ]
    },
    "posting": {
        "posting_id": "24902",
        "post_date": "2026-04-16",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/24902"
    },
    "fulltext": "大模型算法实习生-【商业化】\n大模型算法实习生-【商业化】\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：D11908\n发布时间：2026-04-16\n\n岗位职责\n1、大模型理解方向：探索多模态大模型在视频、图像、文本内容的理解能力，构建场景化模型，提升风险识别准召率； 研究视频/图像拒绝理由的可解释性归因方法，推动人机协同审核应用落地； 构建大模型在风险防控、开户业务等场景的垂类内容理解能力，优化模型对抗性及迭代效率； 开发视频、图文向量化表征技术，提升跨模态检索能力（如视频索引、图文相似性检索）；\n2、大模型生成方向：研究多模态大模型（图像/视频）生成与修复技术，探索可控内容生成方法，提升风险素材过审率； 构建大模型训练、推理、评测的标准化流程，推动平台化能力建设与自动化迭代；\n3、大模型推理部署方向：优化大模型推理框架（低延迟、高吞吐），研究量化、剪枝、动态调度等加速技术； 推动多模态大模型在工业级场景的轻量化部署落地。\n*根据研究方向选择以上至少一个领域深入参与。\n\n任职要求\n1、计算机科学、人工智能、电子工程等相关专业硕士/博士在读，扎实的算法与编程基础；\n2、熟悉多模态大模型（如Transformer、CLIP、ViT等）及生成模型（如Diffusion、GAN）、熟练使用PyTorch/TensorFlow等框架，熟悉分布式训练或模型压缩技术者优先、具备视频处理、跨模态检索、强化学习相关经验者加分；\n3、对技术前沿敏感，能独立复现论文算法并改进，有顶会论文发表或竞赛经验者优先；\n4、逻辑清晰，责任心强，具备快速学习能力和团队协作意识。\n加分项：熟悉大模型在风控、内容审核等场景的应用\n大模型算法实习生-【商业化】\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：D11908\n发布时间：2026-04-16\n\n岗位职责\n1、大模型理解方向：探索多模态大模型在视频、图像、文本内容的理解能力，构建场景化模型，提升风险识别准召率； 研究视频/图像拒绝理由的可解释性归因方法，推动人机协同审核应用落地； 构建大模型在风险防控、开户业务等场景的垂类内容理解能力，优化模型对抗性及迭代效率； 开发视频、图文向量化表征技术，提升跨模态检索能力（如视频索引、图文相似性检索）；\n2、大模型生成方向：研究多模态大模型（图像/视频）生成与修复技术，探索可控内容生成方法，提升风险素材过审率； 构建大模型训练、推理、评测的标准化流程，推动平台化能力建设与自动化迭代；\n3、大模型推理部署方向：优化大模型推理框架（低延迟、高吞吐），研究量化、剪枝、动态调度等加速技术； 推动多模态大模型在工业级场景的轻量化部署落地。\n*根据研究方向选择以上至少一个领域深入参与。\n\n任职要求\n1、计算机科学、人工智能、电子工程等相关专业硕士/博士在读，扎实的算法与编程基础；\n2、熟悉多模态大模型（如Transformer、CLIP、ViT等）及生成模型（如Diffusion、GAN）、熟练使用PyTorch/TensorFlow等框架，熟悉分布式训练或模型压缩技术者优先、具备视频处理、跨模态检索、强化学习相关经验者加分；\n3、对技术前沿敏感，能独立复现论文算法并改进，有顶会论文发表或竞赛经验者优先；\n4、逻辑清晰，责任心强，具备快速学习能力和团队协作意识。\n加分项：熟悉大模型在风控、内容审核等场景的应用\n大模型算法实习生-【商业化】\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：D11908\n发布时间：2026-04-16\n\n岗位职责\n1、大模型理解方向：探索多模态大模型在视频、图像、文本内容的理解能力，构建场景化模型，提升风险识别准召率； 研究视频/图像拒绝理由的可解释性归因方法，推动人机协同审核应用落地； 构建大模型在风险防控、开户业务等场景的垂类内容理解能力，优化模型对抗性及迭代效率； 开发视频、图文向量化表征技术，提升跨模态检索能力（如视频索引、图文相似性检索）；\n2、大模型生成方向：研究多模态大模型（图像/视频）生成与修复技术，探索可控内容生成方法，提升风险素材过审率； 构建大模型训练、推理、评测的标准化流程，推动平台化能力建设与自动化迭代；\n3、大模型推理部署方向：优化大模型推理框架（低延迟、高吞吐），研究量化、剪枝、动态调度等加速技术； 推动多模态大模型在工业级场景的轻量化部署落地。\n*根据研究方向选择以上至少一个领域深入参与。\n\n任职要求\n1、计算机科学、人工智能、电子工程等相关专业硕士/博士在读，扎实的算法与编程基础；\n2、熟悉多模态大模型（如Transformer、CLIP、ViT等）及生成模型（如Diffusion、GAN）、熟练使用PyTorch/TensorFlow等框架，熟悉分布式训练或模型压缩技术者优先、具备视频处理、跨模态检索、强化学习相关经验者加分；\n3、对技术前沿敏感，能独立复现论文算法并改进，有顶会论文发表或竞赛经验者优先；\n4、逻辑清晰，责任心强，具备快速学习能力和团队协作意识。\n加分项：熟悉大模型在风控、内容审核等场景的应用",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}