主分类：AI训练推理与计算优化
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": "推荐架构工程师（推荐模型推理方向）-【算法引擎部】",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "D13492",
"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "推荐架构工程师（推荐模型推理方向）-【算法引擎部】\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：D13492\n发布时间：2026-06-22\n\n岗位职责\n团队介绍：计算引擎架构组负责建设和维护公司的推广搜模型预估中台，为主站、直播、电商、商业化等业务的发展赋能。\n1. 参与快手推荐模型推理引擎的研发与性能优化，包括传统 DLRM 模型和生成式推荐模型；\n2. 和算法同学合作，通过算法-系统联合优化持续提升快手推荐模型效果；\n3. 跟踪和调研最新的硬件加速特性和推理性能优化技术，推动其在快手业务场景落地。\n\n任职要求\n1. 本科及以上学历，计算机、软件、电子类专业优先；\n2. 具备良好的系统设计和编程能力，了解模型推理或高性能计算相关知识；\n3. 有较强的好奇心，热爱钻研技术，善于分析解决问题。\n加分项：\n1. 熟悉 Tensorflow, PyTorch、TensorRT、TVM 中的一个或多个框架，有相关使用经验者优先；\n2. 熟悉推荐模型结构或有推荐模型性能优化经验者优先；\n3. 在国际顶级系统会议/期刊上有相关论文发表者优先。",
"requirements_text": "推荐架构工程师（推荐模型推理方向）-【算法引擎部】\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：D13492\n发布时间：2026-06-22\n\n岗位职责\n团队介绍：计算引擎架构组负责建设和维护公司的推广搜模型预估中台，为主站、直播、电商、商业化等业务的发展赋能。\n1. 参与快手推荐模型推理引擎的研发与性能优化，包括传统 DLRM 模型和生成式推荐模型；\n2. 和算法同学合作，通过算法-系统联合优化持续提升快手推荐模型效果；\n3. 跟踪和调研最新的硬件加速特性和推理性能优化技术，推动其在快手业务场景落地。\n\n任职要求\n1. 本科及以上学历，计算机、软件、电子类专业优先；\n2. 具备良好的系统设计和编程能力，了解模型推理或高性能计算相关知识；\n3. 有较强的好奇心，热爱钻研技术，善于分析解决问题。\n加分项：\n1. 熟悉 Tensorflow, PyTorch、TensorRT、TVM 中的一个或多个框架，有相关使用经验者优先；\n2. 熟悉推荐模型结构或有推荐模型性能优化经验者优先；\n3. 在国际顶级系统会议/期刊上有相关论文发表者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"性能优化",
"解决问题",
"招聘"
],
"preferred_qualifications": "1. 本科及以上学历，计算机、软件、电子类专业优先；加分项：；1. 熟悉 Tensorflow, PyTorch、TensorRT、TVM 中的一个或多个框架，有相关使用经验者优先；2. 熟悉推荐模型结构或有推荐模型性能优化经验者优先；3. 在国际顶级系统会议/期刊上有相关论文发表者优先",
"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/26491"
}
]
},
"posting": {
"posting_id": "26491",
"post_date": "2026-06-22",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/26491"
},
"fulltext": "推荐架构工程师（推荐模型推理方向）-【算法引擎部】\n推荐架构工程师（推荐模型推理方向）-【算法引擎部】\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：D13492\n发布时间：2026-06-22\n\n岗位职责\n团队介绍：计算引擎架构组负责建设和维护公司的推广搜模型预估中台，为主站、直播、电商、商业化等业务的发展赋能。\n1. 参与快手推荐模型推理引擎的研发与性能优化，包括传统 DLRM 模型和生成式推荐模型；\n2. 和算法同学合作，通过算法-系统联合优化持续提升快手推荐模型效果；\n3. 跟踪和调研最新的硬件加速特性和推理性能优化技术，推动其在快手业务场景落地。\n\n任职要求\n1. 本科及以上学历，计算机、软件、电子类专业优先；\n2. 具备良好的系统设计和编程能力，了解模型推理或高性能计算相关知识；\n3. 有较强的好奇心，热爱钻研技术，善于分析解决问题。\n加分项：\n1. 熟悉 Tensorflow, PyTorch、TensorRT、TVM 中的一个或多个框架，有相关使用经验者优先；\n2. 熟悉推荐模型结构或有推荐模型性能优化经验者优先；\n3. 在国际顶级系统会议/期刊上有相关论文发表者优先。\n推荐架构工程师（推荐模型推理方向）-【算法引擎部】\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：D13492\n发布时间：2026-06-22\n\n岗位职责\n团队介绍：计算引擎架构组负责建设和维护公司的推广搜模型预估中台，为主站、直播、电商、商业化等业务的发展赋能。\n1. 参与快手推荐模型推理引擎的研发与性能优化，包括传统 DLRM 模型和生成式推荐模型；\n2. 和算法同学合作，通过算法-系统联合优化持续提升快手推荐模型效果；\n3. 跟踪和调研最新的硬件加速特性和推理性能优化技术，推动其在快手业务场景落地。\n\n任职要求\n1. 本科及以上学历，计算机、软件、电子类专业优先；\n2. 具备良好的系统设计和编程能力，了解模型推理或高性能计算相关知识；\n3. 有较强的好奇心，热爱钻研技术，善于分析解决问题。\n加分项：\n1. 熟悉 Tensorflow, PyTorch、TensorRT、TVM 中的一个或多个框架，有相关使用经验者优先；\n2. 熟悉推荐模型结构或有推荐模型性能优化经验者优先；\n3. 在国际顶级系统会议/期刊上有相关论文发表者优先。\n推荐架构工程师（推荐模型推理方向）-【算法引擎部】\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：D13492\n发布时间：2026-06-22\n\n岗位职责\n团队介绍：计算引擎架构组负责建设和维护公司的推广搜模型预估中台，为主站、直播、电商、商业化等业务的发展赋能。\n1. 参与快手推荐模型推理引擎的研发与性能优化，包括传统 DLRM 模型和生成式推荐模型；\n2. 和算法同学合作，通过算法-系统联合优化持续提升快手推荐模型效果；\n3. 跟踪和调研最新的硬件加速特性和推理性能优化技术，推动其在快手业务场景落地。\n\n任职要求\n1. 本科及以上学历，计算机、软件、电子类专业优先；\n2. 具备良好的系统设计和编程能力，了解模型推理或高性能计算相关知识；\n3. 有较强的好奇心，热爱钻研技术，善于分析解决问题。\n加分项：\n1. 熟悉 Tensorflow, PyTorch、TensorRT、TVM 中的一个或多个框架，有相关使用经验者优先；\n2. 熟悉推荐模型结构或有推荐模型性能优化经验者优先；\n3. 在国际顶级系统会议/期刊上有相关论文发表者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}