{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "广告生态推荐算法实习生 -【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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "广告生态推荐算法实习生 -【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. 参与亿级用户场景的多通道召回模型算法开发，包括但不限于双塔召回、图网络召回、生成式召回等召回模型，分析召回漏斗，持续优化用户-广告匹配效率；\n2. 研发多模态（文本/图像/视频）融合的深度学习推荐模型，应用Transformer、GNN、强化学习等前沿技术解决冷启动、用户长短期兴趣建模问题；\n3. 参与广告出价机制策略优化，分析oCPM/oCPC等智能出价模型效果，通过出价机制及排序策略，持续优化商业生态；\n4. 推动算法在工程侧的落地，与产品、数据团队协作，完成高性能算法模块的设计与部署；\n5. 跟踪业界前沿推荐技术（如大模型、多模态理解、多任务学习、因果推断等），推动技术成果在业务场景的转化。\n\n任职要求\n1、熟悉C++与Python编程语言，具备扎实的数据结构与算法能力，熟悉高性能代码优化及多线程开发；\n2、熟悉广告算法，业务，技术架构，熟悉常用的广告/推荐模型；\n3、熟悉多模态融合推荐技术、大模型应用等相关项目经验者优先；\n4、具备搜索广告或展示广告相关项目经验、商业生态体验优化项目经验者优先。",
        "requirements_text": "广告生态推荐算法实习生 -【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. 参与亿级用户场景的多通道召回模型算法开发，包括但不限于双塔召回、图网络召回、生成式召回等召回模型，分析召回漏斗，持续优化用户-广告匹配效率；\n2. 研发多模态（文本/图像/视频）融合的深度学习推荐模型，应用Transformer、GNN、强化学习等前沿技术解决冷启动、用户长短期兴趣建模问题；\n3. 参与广告出价机制策略优化，分析oCPM/oCPC等智能出价模型效果，通过出价机制及排序策略，持续优化商业生态；\n4. 推动算法在工程侧的落地，与产品、数据团队协作，完成高性能算法模块的设计与部署；\n5. 跟踪业界前沿推荐技术（如大模型、多模态理解、多任务学习、因果推断等），推动技术成果在业务场景的转化。\n\n任职要求\n1、熟悉C++与Python编程语言，具备扎实的数据结构与算法能力，熟悉高性能代码优化及多线程开发；\n2、熟悉广告算法，业务，技术架构，熟悉常用的广告/推荐模型；\n3、熟悉多模态融合推荐技术、大模型应用等相关项目经验者优先；\n4、具备搜索广告或展示广告相关项目经验、商业生态体验优化项目经验者优先。",
        "skills": [AI生成
            "Python",
            "C++",
            "深度学习",
            "强化学习",
            "推荐算法",
            "数据结构",
            "团队协作",
            "建模",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "3、熟悉多模态融合推荐技术、大模型应用等相关项目经验者优先；4、具备搜索广告或展示广告相关项目经验、商业生态体验优化项目经验者优先",
        "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/25924"
            }
        ]
    },
    "posting": {
        "posting_id": "25924",
        "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/25924"
    },
    "fulltext": "广告生态推荐算法实习生 -【商业化】\n广告生态推荐算法实习生 -【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. 参与亿级用户场景的多通道召回模型算法开发，包括但不限于双塔召回、图网络召回、生成式召回等召回模型，分析召回漏斗，持续优化用户-广告匹配效率；\n2. 研发多模态（文本/图像/视频）融合的深度学习推荐模型，应用Transformer、GNN、强化学习等前沿技术解决冷启动、用户长短期兴趣建模问题；\n3. 参与广告出价机制策略优化，分析oCPM/oCPC等智能出价模型效果，通过出价机制及排序策略，持续优化商业生态；\n4. 推动算法在工程侧的落地，与产品、数据团队协作，完成高性能算法模块的设计与部署；\n5. 跟踪业界前沿推荐技术（如大模型、多模态理解、多任务学习、因果推断等），推动技术成果在业务场景的转化。\n\n任职要求\n1、熟悉C++与Python编程语言，具备扎实的数据结构与算法能力，熟悉高性能代码优化及多线程开发；\n2、熟悉广告算法，业务，技术架构，熟悉常用的广告/推荐模型；\n3、熟悉多模态融合推荐技术、大模型应用等相关项目经验者优先；\n4、具备搜索广告或展示广告相关项目经验、商业生态体验优化项目经验者优先。\n广告生态推荐算法实习生 -【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. 参与亿级用户场景的多通道召回模型算法开发，包括但不限于双塔召回、图网络召回、生成式召回等召回模型，分析召回漏斗，持续优化用户-广告匹配效率；\n2. 研发多模态（文本/图像/视频）融合的深度学习推荐模型，应用Transformer、GNN、强化学习等前沿技术解决冷启动、用户长短期兴趣建模问题；\n3. 参与广告出价机制策略优化，分析oCPM/oCPC等智能出价模型效果，通过出价机制及排序策略，持续优化商业生态；\n4. 推动算法在工程侧的落地，与产品、数据团队协作，完成高性能算法模块的设计与部署；\n5. 跟踪业界前沿推荐技术（如大模型、多模态理解、多任务学习、因果推断等），推动技术成果在业务场景的转化。\n\n任职要求\n1、熟悉C++与Python编程语言，具备扎实的数据结构与算法能力，熟悉高性能代码优化及多线程开发；\n2、熟悉广告算法，业务，技术架构，熟悉常用的广告/推荐模型；\n3、熟悉多模态融合推荐技术、大模型应用等相关项目经验者优先；\n4、具备搜索广告或展示广告相关项目经验、商业生态体验优化项目经验者优先。\n广告生态推荐算法实习生 -【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. 参与亿级用户场景的多通道召回模型算法开发，包括但不限于双塔召回、图网络召回、生成式召回等召回模型，分析召回漏斗，持续优化用户-广告匹配效率；\n2. 研发多模态（文本/图像/视频）融合的深度学习推荐模型，应用Transformer、GNN、强化学习等前沿技术解决冷启动、用户长短期兴趣建模问题；\n3. 参与广告出价机制策略优化，分析oCPM/oCPC等智能出价模型效果，通过出价机制及排序策略，持续优化商业生态；\n4. 推动算法在工程侧的落地，与产品、数据团队协作，完成高性能算法模块的设计与部署；\n5. 跟踪业界前沿推荐技术（如大模型、多模态理解、多任务学习、因果推断等），推动技术成果在业务场景的转化。\n\n任职要求\n1、熟悉C++与Python编程语言，具备扎实的数据结构与算法能力，熟悉高性能代码优化及多线程开发；\n2、熟悉广告算法，业务，技术架构，熟悉常用的广告/推荐模型；\n3、熟悉多模态融合推荐技术、大模型应用等相关项目经验者优先；\n4、具备搜索广告或展示广告相关项目经验、商业生态体验优化项目经验者优先。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}