职位详情

职位列表 链接有效 不适用(官网全量采集) official:kuaishou:27568

推荐大模型算法实习生(OneRec)

未披露 · Beijing · 快手科技

主分类:搜索推荐与业务决策算法研发
算法与数据
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": "推荐大模型算法实习生(OneRec)",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "D13360",
        "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": "推荐大模型算法实习生(OneRec)\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:D13360\n发布时间:2026-09-02\n\n岗位职责\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑,推动生成式推荐范式在多种业务场景中的规模化落地;\n2、持续提升生成式推荐模型性能,涵盖模型扩展(Scaling)、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情,认同技术驱动业务与社会价值提升;\n2、关注推荐大模型/大语言模型技术前沿,对行业动态有持续追踪和理解;\n3、在某一领域有突出成果,包括但不限于:\n1)在ICML、ICLR、NeurIPS 、ACL、CVPR、ICCV、ECCV等国际顶级会议以一作发表过论文;\n2)有ACM/ICPC、TopCoder、Kaggle等算法竞赛获奖经历。",
        "requirements_text": "推荐大模型算法实习生(OneRec)\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:D13360\n发布时间:2026-09-02\n\n岗位职责\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑,推动生成式推荐范式在多种业务场景中的规模化落地;\n2、持续提升生成式推荐模型性能,涵盖模型扩展(Scaling)、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情,认同技术驱动业务与社会价值提升;\n2、关注推荐大模型/大语言模型技术前沿,对行业动态有持续追踪和理解;\n3、在某一领域有突出成果,包括但不限于:\n1)在ICML、ICLR、NeurIPS 、ACL、CVPR、ICCV、ECCV等国际顶级会议以一作发表过论文;\n2)有ACM/ICPC、TopCoder、Kaggle等算法竞赛获奖经历。",
        "skills": [AI生成
            "强化学习",
            "系统架构",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "未披露",
        "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/27568"
            }
        ]
    },
    "posting": {
        "posting_id": "27568",
        "post_date": "2026-09-02",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/27568"
    },
    "fulltext": "推荐大模型算法实习生(OneRec)\n推荐大模型算法实习生(OneRec)\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:D13360\n发布时间:2026-09-02\n\n岗位职责\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑,推动生成式推荐范式在多种业务场景中的规模化落地;\n2、持续提升生成式推荐模型性能,涵盖模型扩展(Scaling)、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情,认同技术驱动业务与社会价值提升;\n2、关注推荐大模型/大语言模型技术前沿,对行业动态有持续追踪和理解;\n3、在某一领域有突出成果,包括但不限于:\n1)在ICML、ICLR、NeurIPS 、ACL、CVPR、ICCV、ECCV等国际顶级会议以一作发表过论文;\n2)有ACM/ICPC、TopCoder、Kaggle等算法竞赛获奖经历。\n推荐大模型算法实习生(OneRec)\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:D13360\n发布时间:2026-09-02\n\n岗位职责\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑,推动生成式推荐范式在多种业务场景中的规模化落地;\n2、持续提升生成式推荐模型性能,涵盖模型扩展(Scaling)、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情,认同技术驱动业务与社会价值提升;\n2、关注推荐大模型/大语言模型技术前沿,对行业动态有持续追踪和理解;\n3、在某一领域有突出成果,包括但不限于:\n1)在ICML、ICLR、NeurIPS 、ACL、CVPR、ICCV、ECCV等国际顶级会议以一作发表过论文;\n2)有ACM/ICPC、TopCoder、Kaggle等算法竞赛获奖经历。\n推荐大模型算法实习生(OneRec)\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:D13360\n发布时间:2026-09-02\n\n岗位职责\n1、基于生成式推荐模型重构推荐系统架构与底层逻辑,推动生成式推荐范式在多种业务场景中的规模化落地;\n2、持续提升生成式推荐模型性能,涵盖模型扩展(Scaling)、强化学习偏好对齐、LLM/MLLM知识对齐等关键方向。\n\n任职要求\n1、对AI技术具备强烈热情,认同技术驱动业务与社会价值提升;\n2、关注推荐大模型/大语言模型技术前沿,对行业动态有持续追踪和理解;\n3、在某一领域有突出成果,包括但不限于:\n1)在ICML、ICLR、NeurIPS 、ACL、CVPR、ICCV、ECCV等国际顶级会议以一作发表过论文;\n2)有ACM/ICPC、TopCoder、Kaggle等算法竞赛获奖经历。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}