主分类：大模型与生成式算法研发
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": "多模态大模型后训练算法专家",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "D14832",
"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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "多模态大模型后训练算法专家\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D14832\n发布时间：2026-08-31\n\n岗位职责\n1、主导多模态大模型（Keye）基座模型的后训练全流程优化，包括指令微调（SFT）、强化学习（RLHF/DPO/PPO）、模型蒸馏等技术的研发与工程实现，持续提升模型在通用领域及垂直领域（如短视频理解、电商理解）的泛化能力和安全性；\n2、参与多模态合成数据生成（覆盖纯文本、图文及视频等内容理解维度）、建立数据质量评估体系，设计数据蒸馏流程，推动数据-模型-评测迭代优化；\n3、面向短视频社区、电商内容理解等场景，解决后训练阶段的核心挑战，如跨模态对齐一致性、长上下文推理、多任务指令冲突优化以及多模态智能推理探索等；推动技术成果转化，主导模型在快手短视频社区的集成落地（例如RAG增强系统、多模态Agent任务规划），并通过API封装与服务化支撑业务创新；\n4、跟踪前沿多模态大模型后训练技术的前沿演进，探索SFT自动化迭代、轻量化RLHF以及reward model一体化等创新技术方向，形成专利或顶会论文提升团队技术影响力。\n\n任职要求\n1、硕士及以上学历，计算机科学、人工智能、自动化、数学等相关专业优先；\n2、精通多模态任务设计范式（如视觉思维链、跨模态推理链），具备CoT提示工程、Reward Model设计经验，掌握合成数据生成、多模态数据清洗、数据质量评估工具开发。熟练应用PyTorch+DeepSpeed、Megatron-LM等分布式框架，精通QLoRA、DPO、RLHF以及PPO/GRPO/DAPO等后训练技术；\n3、主导过千亿级模型的后训练全流程，包括SFT数据构建、RM训练、RLHF/DPO对齐优化、端侧量化部署。具备丰富的多模态数据治理经验，如构建百万级图文对齐数据集，或设计视频-文本跨模态评测基准；\n4、热衷于推动多模态大模型、生成式AI、Agent等前沿技术在快手生态中的发展与应用，能系统性拆解业务需求为并制定可量化的任务目标。具备跨团队协同能力，能够有效推动算法、数据、工程团队建立标准化数据交付流程。",
"requirements_text": "多模态大模型后训练算法专家\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D14832\n发布时间：2026-08-31\n\n岗位职责\n1、主导多模态大模型（Keye）基座模型的后训练全流程优化，包括指令微调（SFT）、强化学习（RLHF/DPO/PPO）、模型蒸馏等技术的研发与工程实现，持续提升模型在通用领域及垂直领域（如短视频理解、电商理解）的泛化能力和安全性；\n2、参与多模态合成数据生成（覆盖纯文本、图文及视频等内容理解维度）、建立数据质量评估体系，设计数据蒸馏流程，推动数据-模型-评测迭代优化；\n3、面向短视频社区、电商内容理解等场景，解决后训练阶段的核心挑战，如跨模态对齐一致性、长上下文推理、多任务指令冲突优化以及多模态智能推理探索等；推动技术成果转化，主导模型在快手短视频社区的集成落地（例如RAG增强系统、多模态Agent任务规划），并通过API封装与服务化支撑业务创新；\n4、跟踪前沿多模态大模型后训练技术的前沿演进，探索SFT自动化迭代、轻量化RLHF以及reward model一体化等创新技术方向，形成专利或顶会论文提升团队技术影响力。\n\n任职要求\n1、硕士及以上学历，计算机科学、人工智能、自动化、数学等相关专业优先；\n2、精通多模态任务设计范式（如视觉思维链、跨模态推理链），具备CoT提示工程、Reward Model设计经验，掌握合成数据生成、多模态数据清洗、数据质量评估工具开发。熟练应用PyTorch+DeepSpeed、Megatron-LM等分布式框架，精通QLoRA、DPO、RLHF以及PPO/GRPO/DAPO等后训练技术；\n3、主导过千亿级模型的后训练全流程，包括SFT数据构建、RM训练、RLHF/DPO对齐优化、端侧量化部署。具备丰富的多模态数据治理经验，如构建百万级图文对齐数据集，或设计视频-文本跨模态评测基准；\n4、热衷于推动多模态大模型、生成式AI、Agent等前沿技术在快手生态中的发展与应用，能系统性拆解业务需求为并制定可量化的任务目标。具备跨团队协同能力，能够有效推动算法、数据、工程团队建立标准化数据交付流程。",
"skills": [AI生成
"PyTorch",
"强化学习",
"数据治理",
"数据清洗",
"招聘",
"大语言模型"
],
"preferred_qualifications": "1、硕士及以上学历，计算机科学、人工智能、自动化、数学等相关专业优先",
"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/26279"
}
]
},
"posting": {
"posting_id": "26279",
"post_date": "2026-08-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/26279"
},
"fulltext": "多模态大模型后训练算法专家\n多模态大模型后训练算法专家\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D14832\n发布时间：2026-08-31\n\n岗位职责\n1、主导多模态大模型（Keye）基座模型的后训练全流程优化，包括指令微调（SFT）、强化学习（RLHF/DPO/PPO）、模型蒸馏等技术的研发与工程实现，持续提升模型在通用领域及垂直领域（如短视频理解、电商理解）的泛化能力和安全性；\n2、参与多模态合成数据生成（覆盖纯文本、图文及视频等内容理解维度）、建立数据质量评估体系，设计数据蒸馏流程，推动数据-模型-评测迭代优化；\n3、面向短视频社区、电商内容理解等场景，解决后训练阶段的核心挑战，如跨模态对齐一致性、长上下文推理、多任务指令冲突优化以及多模态智能推理探索等；推动技术成果转化，主导模型在快手短视频社区的集成落地（例如RAG增强系统、多模态Agent任务规划），并通过API封装与服务化支撑业务创新；\n4、跟踪前沿多模态大模型后训练技术的前沿演进，探索SFT自动化迭代、轻量化RLHF以及reward model一体化等创新技术方向，形成专利或顶会论文提升团队技术影响力。\n\n任职要求\n1、硕士及以上学历，计算机科学、人工智能、自动化、数学等相关专业优先；\n2、精通多模态任务设计范式（如视觉思维链、跨模态推理链），具备CoT提示工程、Reward Model设计经验，掌握合成数据生成、多模态数据清洗、数据质量评估工具开发。熟练应用PyTorch+DeepSpeed、Megatron-LM等分布式框架，精通QLoRA、DPO、RLHF以及PPO/GRPO/DAPO等后训练技术；\n3、主导过千亿级模型的后训练全流程，包括SFT数据构建、RM训练、RLHF/DPO对齐优化、端侧量化部署。具备丰富的多模态数据治理经验，如构建百万级图文对齐数据集，或设计视频-文本跨模态评测基准；\n4、热衷于推动多模态大模型、生成式AI、Agent等前沿技术在快手生态中的发展与应用，能系统性拆解业务需求为并制定可量化的任务目标。具备跨团队协同能力，能够有效推动算法、数据、工程团队建立标准化数据交付流程。\n多模态大模型后训练算法专家\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D14832\n发布时间：2026-08-31\n\n岗位职责\n1、主导多模态大模型（Keye）基座模型的后训练全流程优化，包括指令微调（SFT）、强化学习（RLHF/DPO/PPO）、模型蒸馏等技术的研发与工程实现，持续提升模型在通用领域及垂直领域（如短视频理解、电商理解）的泛化能力和安全性；\n2、参与多模态合成数据生成（覆盖纯文本、图文及视频等内容理解维度）、建立数据质量评估体系，设计数据蒸馏流程，推动数据-模型-评测迭代优化；\n3、面向短视频社区、电商内容理解等场景，解决后训练阶段的核心挑战，如跨模态对齐一致性、长上下文推理、多任务指令冲突优化以及多模态智能推理探索等；推动技术成果转化，主导模型在快手短视频社区的集成落地（例如RAG增强系统、多模态Agent任务规划），并通过API封装与服务化支撑业务创新；\n4、跟踪前沿多模态大模型后训练技术的前沿演进，探索SFT自动化迭代、轻量化RLHF以及reward model一体化等创新技术方向，形成专利或顶会论文提升团队技术影响力。\n\n任职要求\n1、硕士及以上学历，计算机科学、人工智能、自动化、数学等相关专业优先；\n2、精通多模态任务设计范式（如视觉思维链、跨模态推理链），具备CoT提示工程、Reward Model设计经验，掌握合成数据生成、多模态数据清洗、数据质量评估工具开发。熟练应用PyTorch+DeepSpeed、Megatron-LM等分布式框架，精通QLoRA、DPO、RLHF以及PPO/GRPO/DAPO等后训练技术；\n3、主导过千亿级模型的后训练全流程，包括SFT数据构建、RM训练、RLHF/DPO对齐优化、端侧量化部署。具备丰富的多模态数据治理经验，如构建百万级图文对齐数据集，或设计视频-文本跨模态评测基准；\n4、热衷于推动多模态大模型、生成式AI、Agent等前沿技术在快手生态中的发展与应用，能系统性拆解业务需求为并制定可量化的任务目标。具备跨团队协同能力，能够有效推动算法、数据、工程团队建立标准化数据交付流程。\n多模态大模型后训练算法专家\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D14832\n发布时间：2026-08-31\n\n岗位职责\n1、主导多模态大模型（Keye）基座模型的后训练全流程优化，包括指令微调（SFT）、强化学习（RLHF/DPO/PPO）、模型蒸馏等技术的研发与工程实现，持续提升模型在通用领域及垂直领域（如短视频理解、电商理解）的泛化能力和安全性；\n2、参与多模态合成数据生成（覆盖纯文本、图文及视频等内容理解维度）、建立数据质量评估体系，设计数据蒸馏流程，推动数据-模型-评测迭代优化；\n3、面向短视频社区、电商内容理解等场景，解决后训练阶段的核心挑战，如跨模态对齐一致性、长上下文推理、多任务指令冲突优化以及多模态智能推理探索等；推动技术成果转化，主导模型在快手短视频社区的集成落地（例如RAG增强系统、多模态Agent任务规划），并通过API封装与服务化支撑业务创新；\n4、跟踪前沿多模态大模型后训练技术的前沿演进，探索SFT自动化迭代、轻量化RLHF以及reward model一体化等创新技术方向，形成专利或顶会论文提升团队技术影响力。\n\n任职要求\n1、硕士及以上学历，计算机科学、人工智能、自动化、数学等相关专业优先；\n2、精通多模态任务设计范式（如视觉思维链、跨模态推理链），具备CoT提示工程、Reward Model设计经验，掌握合成数据生成、多模态数据清洗、数据质量评估工具开发。熟练应用PyTorch+DeepSpeed、Megatron-LM等分布式框架，精通QLoRA、DPO、RLHF以及PPO/GRPO/DAPO等后训练技术；\n3、主导过千亿级模型的后训练全流程，包括SFT数据构建、RM训练、RLHF/DPO对齐优化、端侧量化部署。具备丰富的多模态数据治理经验，如构建百万级图文对齐数据集，或设计视频-文本跨模态评测基准；\n4、热衷于推动多模态大模型、生成式AI、Agent等前沿技术在快手生态中的发展与应用，能系统性拆解业务需求为并制定可量化的任务目标。具备跨团队协同能力，能够有效推动算法、数据、工程团队建立标准化数据交付流程。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}