{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "多模态大模型预训练算法专家",
        "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": "多模态大模型预训练算法专家\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、参与快手自研多模态大模型预训练算法工作，依托快手视频社区平台，构建最具影响力的多模态理解基座模型和开源生态；\n2、参与多模态大模型架构探索，包括但不限于万亿级参数多模态MoE模型的训练、多模态信息编码方案设计、探索更高效的图文/视频/音频等编码方式、多模态表征学习和语义对齐策略的探索、超长上下文模型开发等；\n3、参与高质量预训练数据构建，包括从但不限于大规模混合模态预训练数据构建（探索多模态Scaling）、高质量多模态语义对齐数据合成、探索模型自我迭代提升路径、感知能力专家模型研发（包括OCR、Caption、Grounding等）；\n4、参与生成理解统一的多模态大模型研发。\n\n任职要求\n1、硕士及以上学历，有较强的工程实现能力；\n2、在大规模预训练、模型对齐、强化学习、RAG、Agent、对话系统、大模型应用等至少其中一个方向有深厚的项目经验和洞察力；\n加分项：\n1、在NOI、ACM-ICPC等国内外知名算法竞赛中取得优异成绩；\n2、主导或作为主力参与过有影响力的开源项目；\n3、在NeurIPS、ICLR、ICML、ACL等人工智能领域顶会或期刊发表过高质量研究论文。",
        "requirements_text": "多模态大模型预训练算法专家\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、参与快手自研多模态大模型预训练算法工作，依托快手视频社区平台，构建最具影响力的多模态理解基座模型和开源生态；\n2、参与多模态大模型架构探索，包括但不限于万亿级参数多模态MoE模型的训练、多模态信息编码方案设计、探索更高效的图文/视频/音频等编码方式、多模态表征学习和语义对齐策略的探索、超长上下文模型开发等；\n3、参与高质量预训练数据构建，包括从但不限于大规模混合模态预训练数据构建（探索多模态Scaling）、高质量多模态语义对齐数据合成、探索模型自我迭代提升路径、感知能力专家模型研发（包括OCR、Caption、Grounding等）；\n4、参与生成理解统一的多模态大模型研发。\n\n任职要求\n1、硕士及以上学历，有较强的工程实现能力；\n2、在大规模预训练、模型对齐、强化学习、RAG、Agent、对话系统、大模型应用等至少其中一个方向有深厚的项目经验和洞察力；\n加分项：\n1、在NOI、ACM-ICPC等国内外知名算法竞赛中取得优异成绩；\n2、主导或作为主力参与过有影响力的开源项目；\n3、在NeurIPS、ICLR、ICML、ACL等人工智能领域顶会或期刊发表过高质量研究论文。",
        "skills": [AI生成
            "强化学习",
            "招聘",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "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/26283"
            }
        ]
    },
    "posting": {
        "posting_id": "26283",
        "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/26283"
    },
    "fulltext": "多模态大模型预训练算法专家\n多模态大模型预训练算法专家\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、参与快手自研多模态大模型预训练算法工作，依托快手视频社区平台，构建最具影响力的多模态理解基座模型和开源生态；\n2、参与多模态大模型架构探索，包括但不限于万亿级参数多模态MoE模型的训练、多模态信息编码方案设计、探索更高效的图文/视频/音频等编码方式、多模态表征学习和语义对齐策略的探索、超长上下文模型开发等；\n3、参与高质量预训练数据构建，包括从但不限于大规模混合模态预训练数据构建（探索多模态Scaling）、高质量多模态语义对齐数据合成、探索模型自我迭代提升路径、感知能力专家模型研发（包括OCR、Caption、Grounding等）；\n4、参与生成理解统一的多模态大模型研发。\n\n任职要求\n1、硕士及以上学历，有较强的工程实现能力；\n2、在大规模预训练、模型对齐、强化学习、RAG、Agent、对话系统、大模型应用等至少其中一个方向有深厚的项目经验和洞察力；\n加分项：\n1、在NOI、ACM-ICPC等国内外知名算法竞赛中取得优异成绩；\n2、主导或作为主力参与过有影响力的开源项目；\n3、在NeurIPS、ICLR、ICML、ACL等人工智能领域顶会或期刊发表过高质量研究论文。\n多模态大模型预训练算法专家\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、参与快手自研多模态大模型预训练算法工作，依托快手视频社区平台，构建最具影响力的多模态理解基座模型和开源生态；\n2、参与多模态大模型架构探索，包括但不限于万亿级参数多模态MoE模型的训练、多模态信息编码方案设计、探索更高效的图文/视频/音频等编码方式、多模态表征学习和语义对齐策略的探索、超长上下文模型开发等；\n3、参与高质量预训练数据构建，包括从但不限于大规模混合模态预训练数据构建（探索多模态Scaling）、高质量多模态语义对齐数据合成、探索模型自我迭代提升路径、感知能力专家模型研发（包括OCR、Caption、Grounding等）；\n4、参与生成理解统一的多模态大模型研发。\n\n任职要求\n1、硕士及以上学历，有较强的工程实现能力；\n2、在大规模预训练、模型对齐、强化学习、RAG、Agent、对话系统、大模型应用等至少其中一个方向有深厚的项目经验和洞察力；\n加分项：\n1、在NOI、ACM-ICPC等国内外知名算法竞赛中取得优异成绩；\n2、主导或作为主力参与过有影响力的开源项目；\n3、在NeurIPS、ICLR、ICML、ACL等人工智能领域顶会或期刊发表过高质量研究论文。\n多模态大模型预训练算法专家\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、参与快手自研多模态大模型预训练算法工作，依托快手视频社区平台，构建最具影响力的多模态理解基座模型和开源生态；\n2、参与多模态大模型架构探索，包括但不限于万亿级参数多模态MoE模型的训练、多模态信息编码方案设计、探索更高效的图文/视频/音频等编码方式、多模态表征学习和语义对齐策略的探索、超长上下文模型开发等；\n3、参与高质量预训练数据构建，包括从但不限于大规模混合模态预训练数据构建（探索多模态Scaling）、高质量多模态语义对齐数据合成、探索模型自我迭代提升路径、感知能力专家模型研发（包括OCR、Caption、Grounding等）；\n4、参与生成理解统一的多模态大模型研发。\n\n任职要求\n1、硕士及以上学历，有较强的工程实现能力；\n2、在大规模预训练、模型对齐、强化学习、RAG、Agent、对话系统、大模型应用等至少其中一个方向有深厚的项目经验和洞察力；\n加分项：\n1、在NOI、ACM-ICPC等国内外知名算法竞赛中取得优异成绩；\n2、主导或作为主力参与过有影响力的开源项目；\n3、在NeurIPS、ICLR、ICML、ACL等人工智能领域顶会或期刊发表过高质量研究论文。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}