主分类：AI模型评测工程
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": "大模型评测实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D14830",
"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": "大模型评测实习生\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：D14830\n发布时间：2026-06-30\n\n岗位职责\n1、以算法视角，参与快手大模型（包括不限于LLM、T2I、T2V、I2V、MLLM模型）评测工作和评测体系建设；\n2、参与评测相关自动化评测工具开发及维护，最大化提高评测效率；\n3、以算法手段，对基座大模型和AI Native应用进行分阶段、端到端评测；\n4、参与构建评测Agent工具链、对战平台、模型竞技场、模型效果判别模型、应用数据飞轮等工具链建设。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、大数据、统计等相关专业优先；\n2、算法基础扎实，熟悉 Transformer、Bert、DiT、CLIP、CNN、GAN、VAE、Diffusion Models等AI模型基本原理；\n3、具备良好的数据化思维，能够基于数据分析结果给出分析结论，熟悉ACC、AUC、F1、recall等基本的模型评估指标计算方式；\n4、熟悉常见的模型架构，能够训练或微调常见CV、NLP、LLM、MLLM模型；\n5、良好的沟通能力和团队协作精神，严谨的工作态度与高质量意识，对大模型技术有热情和探索精神；\n6、具备良好的视野，善于学习新的知识、阅读论文、动手能力强、有进取心。\n加分项：\n1、有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n2、实际参与过AIGC、大模型相关的项目研发优先；\n3、了解分布式系统、调度、容器、代码管理相关领域技术，熟悉Kubernetes、Docker、Yarn等原理与应用；\n4、熟悉常见模型评测数据集、评测方法，包括但不限于C-Eval、CMMU、MT-bench、MINT、SuperCLUE；\n5、熟悉Bert、CLIP、BLIP、ResNet、VGG、RCNN、Yolo等常见算法原理及训练实操。",
"requirements_text": "大模型评测实习生\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：D14830\n发布时间：2026-06-30\n\n岗位职责\n1、以算法视角，参与快手大模型（包括不限于LLM、T2I、T2V、I2V、MLLM模型）评测工作和评测体系建设；\n2、参与评测相关自动化评测工具开发及维护，最大化提高评测效率；\n3、以算法手段，对基座大模型和AI Native应用进行分阶段、端到端评测；\n4、参与构建评测Agent工具链、对战平台、模型竞技场、模型效果判别模型、应用数据飞轮等工具链建设。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、大数据、统计等相关专业优先；\n2、算法基础扎实，熟悉 Transformer、Bert、DiT、CLIP、CNN、GAN、VAE、Diffusion Models等AI模型基本原理；\n3、具备良好的数据化思维，能够基于数据分析结果给出分析结论，熟悉ACC、AUC、F1、recall等基本的模型评估指标计算方式；\n4、熟悉常见的模型架构，能够训练或微调常见CV、NLP、LLM、MLLM模型；\n5、良好的沟通能力和团队协作精神，严谨的工作态度与高质量意识，对大模型技术有热情和探索精神；\n6、具备良好的视野，善于学习新的知识、阅读论文、动手能力强、有进取心。\n加分项：\n1、有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n2、实际参与过AIGC、大模型相关的项目研发优先；\n3、了解分布式系统、调度、容器、代码管理相关领域技术，熟悉Kubernetes、Docker、Yarn等原理与应用；\n4、熟悉常见模型评测数据集、评测方法，包括但不限于C-Eval、CMMU、MT-bench、MINT、SuperCLUE；\n5、熟悉Bert、CLIP、BLIP、ResNet、VGG、RCNN、Yolo等常见算法原理及训练实操。",
"skills": [AI生成
"Docker",
"Kubernetes",
"自然语言处理",
"分布式系统",
"数据分析",
"团队协作",
"沟通能力",
"招聘",
"大语言模型"
],
"preferred_qualifications": "1、本科及以上学历，计算机、人工智能、大数据、统计等相关专业优先；加分项：；1、有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；2、实际参与过AIGC、大模型相关的项目研发优先",
"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/27510"
}
]
},
"posting": {
"posting_id": "27510",
"post_date": "2026-06-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/27510"
},
"fulltext": "大模型评测实习生\n大模型评测实习生\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：D14830\n发布时间：2026-06-30\n\n岗位职责\n1、以算法视角，参与快手大模型（包括不限于LLM、T2I、T2V、I2V、MLLM模型）评测工作和评测体系建设；\n2、参与评测相关自动化评测工具开发及维护，最大化提高评测效率；\n3、以算法手段，对基座大模型和AI Native应用进行分阶段、端到端评测；\n4、参与构建评测Agent工具链、对战平台、模型竞技场、模型效果判别模型、应用数据飞轮等工具链建设。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、大数据、统计等相关专业优先；\n2、算法基础扎实，熟悉 Transformer、Bert、DiT、CLIP、CNN、GAN、VAE、Diffusion Models等AI模型基本原理；\n3、具备良好的数据化思维，能够基于数据分析结果给出分析结论，熟悉ACC、AUC、F1、recall等基本的模型评估指标计算方式；\n4、熟悉常见的模型架构，能够训练或微调常见CV、NLP、LLM、MLLM模型；\n5、良好的沟通能力和团队协作精神，严谨的工作态度与高质量意识，对大模型技术有热情和探索精神；\n6、具备良好的视野，善于学习新的知识、阅读论文、动手能力强、有进取心。\n加分项：\n1、有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n2、实际参与过AIGC、大模型相关的项目研发优先；\n3、了解分布式系统、调度、容器、代码管理相关领域技术，熟悉Kubernetes、Docker、Yarn等原理与应用；\n4、熟悉常见模型评测数据集、评测方法，包括但不限于C-Eval、CMMU、MT-bench、MINT、SuperCLUE；\n5、熟悉Bert、CLIP、BLIP、ResNet、VGG、RCNN、Yolo等常见算法原理及训练实操。\n大模型评测实习生\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：D14830\n发布时间：2026-06-30\n\n岗位职责\n1、以算法视角，参与快手大模型（包括不限于LLM、T2I、T2V、I2V、MLLM模型）评测工作和评测体系建设；\n2、参与评测相关自动化评测工具开发及维护，最大化提高评测效率；\n3、以算法手段，对基座大模型和AI Native应用进行分阶段、端到端评测；\n4、参与构建评测Agent工具链、对战平台、模型竞技场、模型效果判别模型、应用数据飞轮等工具链建设。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、大数据、统计等相关专业优先；\n2、算法基础扎实，熟悉 Transformer、Bert、DiT、CLIP、CNN、GAN、VAE、Diffusion Models等AI模型基本原理；\n3、具备良好的数据化思维，能够基于数据分析结果给出分析结论，熟悉ACC、AUC、F1、recall等基本的模型评估指标计算方式；\n4、熟悉常见的模型架构，能够训练或微调常见CV、NLP、LLM、MLLM模型；\n5、良好的沟通能力和团队协作精神，严谨的工作态度与高质量意识，对大模型技术有热情和探索精神；\n6、具备良好的视野，善于学习新的知识、阅读论文、动手能力强、有进取心。\n加分项：\n1、有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n2、实际参与过AIGC、大模型相关的项目研发优先；\n3、了解分布式系统、调度、容器、代码管理相关领域技术，熟悉Kubernetes、Docker、Yarn等原理与应用；\n4、熟悉常见模型评测数据集、评测方法，包括但不限于C-Eval、CMMU、MT-bench、MINT、SuperCLUE；\n5、熟悉Bert、CLIP、BLIP、ResNet、VGG、RCNN、Yolo等常见算法原理及训练实操。\n大模型评测实习生\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：D14830\n发布时间：2026-06-30\n\n岗位职责\n1、以算法视角，参与快手大模型（包括不限于LLM、T2I、T2V、I2V、MLLM模型）评测工作和评测体系建设；\n2、参与评测相关自动化评测工具开发及维护，最大化提高评测效率；\n3、以算法手段，对基座大模型和AI Native应用进行分阶段、端到端评测；\n4、参与构建评测Agent工具链、对战平台、模型竞技场、模型效果判别模型、应用数据飞轮等工具链建设。\n\n任职要求\n1、本科及以上学历，计算机、人工智能、大数据、统计等相关专业优先；\n2、算法基础扎实，熟悉 Transformer、Bert、DiT、CLIP、CNN、GAN、VAE、Diffusion Models等AI模型基本原理；\n3、具备良好的数据化思维，能够基于数据分析结果给出分析结论，熟悉ACC、AUC、F1、recall等基本的模型评估指标计算方式；\n4、熟悉常见的模型架构，能够训练或微调常见CV、NLP、LLM、MLLM模型；\n5、良好的沟通能力和团队协作精神，严谨的工作态度与高质量意识，对大模型技术有热情和探索精神；\n6、具备良好的视野，善于学习新的知识、阅读论文、动手能力强、有进取心。\n加分项：\n1、有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n2、实际参与过AIGC、大模型相关的项目研发优先；\n3、了解分布式系统、调度、容器、代码管理相关领域技术，熟悉Kubernetes、Docker、Yarn等原理与应用；\n4、熟悉常见模型评测数据集、评测方法，包括但不限于C-Eval、CMMU、MT-bench、MINT、SuperCLUE；\n5、熟悉Bert、CLIP、BLIP、ResNet、VGG、RCNN、Yolo等常见算法原理及训练实操。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}