{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型训推优化工程师",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "D7198",
        "location": "Beijing / Shenzhen / Hangzhou / Shanghai",
        "work_mode": "未披露",AI生成
        "job_category": "J0012"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": 2,
        "degree": "计算机科学、电子工程或相关专业硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "大模型训推优化工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shenzhen / Hangzhou / Shanghai\n所属部门：D7198\n发布时间：2026-05-29\n\n岗位职责\n1、负责文生图、文生视频等自研大模型核心算子的开发与性能优化，基于CUDA、OpenAI Triton等工具实现高性能计算加速；\n2、针对MaaS平台AI Infra大模型推理场景，研发性能领先业界的推理引擎，通过研发框架优化、量化、算子优化等技术，大幅降低机器成本；\n3、深入训练、微调、RL场景，研发前沿的优化技术，提升模型训练吞吐与资源利用率；\n4、搭建端到端模型推理流水线，探索多模态生成任务下的算子融合、多种KVCache优化等创新优化手段。\n\n任职要求\n必备条件：\n1、计算机科学、电子工程或相关专业硕士及以上学历，2年以上CUDA/GPU高性能计算开发经验；\n2、精通PyTorch/Sglang/vLLM等框架底层实现，熟悉大模型部署与推理优化原理；\n3、熟练掌握OpenAI Triton编程，具备算子内核开发经验（如矩阵乘、Attention、Conv等模块优化）；\n4、熟悉模型量化技术（INT8/FP8/INT4混合精度）优先；\n5、对GPU硬件架构（如Hopper/Blackwell）有深入理解，能结合硬件特性设计高性能算子。\n加分项：\n1、在ASPLOS/NeurIPS等顶会发表过模型优化加速相关论文或开源项目贡献者；\n2、有文生视频、3D生成等长序列生成模型的并行化优化经验；\n3、熟悉分布式训练框架（DeepSpeed/Megatron）开发经验；\n4、具备多模态大模型（如Diffusion Model）端到端部署落地经验。",
        "requirements_text": "大模型训推优化工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shenzhen / Hangzhou / Shanghai\n所属部门：D7198\n发布时间：2026-05-29\n\n岗位职责\n1、负责文生图、文生视频等自研大模型核心算子的开发与性能优化，基于CUDA、OpenAI Triton等工具实现高性能计算加速；\n2、针对MaaS平台AI Infra大模型推理场景，研发性能领先业界的推理引擎，通过研发框架优化、量化、算子优化等技术，大幅降低机器成本；\n3、深入训练、微调、RL场景，研发前沿的优化技术，提升模型训练吞吐与资源利用率；\n4、搭建端到端模型推理流水线，探索多模态生成任务下的算子融合、多种KVCache优化等创新优化手段。\n\n任职要求\n必备条件：\n1、计算机科学、电子工程或相关专业硕士及以上学历，2年以上CUDA/GPU高性能计算开发经验；\n2、精通PyTorch/Sglang/vLLM等框架底层实现，熟悉大模型部署与推理优化原理；\n3、熟练掌握OpenAI Triton编程，具备算子内核开发经验（如矩阵乘、Attention、Conv等模块优化）；\n4、熟悉模型量化技术（INT8/FP8/INT4混合精度）优先；\n5、对GPU硬件架构（如Hopper/Blackwell）有深入理解，能结合硬件特性设计高性能算子。\n加分项：\n1、在ASPLOS/NeurIPS等顶会发表过模型优化加速相关论文或开源项目贡献者；\n2、有文生视频、3D生成等长序列生成模型的并行化优化经验；\n3、熟悉分布式训练框架（DeepSpeed/Megatron）开发经验；\n4、具备多模态大模型（如Diffusion Model）端到端部署落地经验。",
        "skills": [AI生成
            "PyTorch",
            "CUDA",
            "模型训练",
            "性能优化",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "4、熟悉模型量化技术（INT8/FP8/INT4混合精度）优先；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/27728"
            }
        ]
    },
    "posting": {
        "posting_id": "27728",
        "post_date": "2026-05-29",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/27728"
    },
    "fulltext": "大模型训推优化工程师\n大模型训推优化工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shenzhen / Hangzhou / Shanghai\n所属部门：D7198\n发布时间：2026-05-29\n\n岗位职责\n1、负责文生图、文生视频等自研大模型核心算子的开发与性能优化，基于CUDA、OpenAI Triton等工具实现高性能计算加速；\n2、针对MaaS平台AI Infra大模型推理场景，研发性能领先业界的推理引擎，通过研发框架优化、量化、算子优化等技术，大幅降低机器成本；\n3、深入训练、微调、RL场景，研发前沿的优化技术，提升模型训练吞吐与资源利用率；\n4、搭建端到端模型推理流水线，探索多模态生成任务下的算子融合、多种KVCache优化等创新优化手段。\n\n任职要求\n必备条件：\n1、计算机科学、电子工程或相关专业硕士及以上学历，2年以上CUDA/GPU高性能计算开发经验；\n2、精通PyTorch/Sglang/vLLM等框架底层实现，熟悉大模型部署与推理优化原理；\n3、熟练掌握OpenAI Triton编程，具备算子内核开发经验（如矩阵乘、Attention、Conv等模块优化）；\n4、熟悉模型量化技术（INT8/FP8/INT4混合精度）优先；\n5、对GPU硬件架构（如Hopper/Blackwell）有深入理解，能结合硬件特性设计高性能算子。\n加分项：\n1、在ASPLOS/NeurIPS等顶会发表过模型优化加速相关论文或开源项目贡献者；\n2、有文生视频、3D生成等长序列生成模型的并行化优化经验；\n3、熟悉分布式训练框架（DeepSpeed/Megatron）开发经验；\n4、具备多模态大模型（如Diffusion Model）端到端部署落地经验。\n大模型训推优化工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shenzhen / Hangzhou / Shanghai\n所属部门：D7198\n发布时间：2026-05-29\n\n岗位职责\n1、负责文生图、文生视频等自研大模型核心算子的开发与性能优化，基于CUDA、OpenAI Triton等工具实现高性能计算加速；\n2、针对MaaS平台AI Infra大模型推理场景，研发性能领先业界的推理引擎，通过研发框架优化、量化、算子优化等技术，大幅降低机器成本；\n3、深入训练、微调、RL场景，研发前沿的优化技术，提升模型训练吞吐与资源利用率；\n4、搭建端到端模型推理流水线，探索多模态生成任务下的算子融合、多种KVCache优化等创新优化手段。\n\n任职要求\n必备条件：\n1、计算机科学、电子工程或相关专业硕士及以上学历，2年以上CUDA/GPU高性能计算开发经验；\n2、精通PyTorch/Sglang/vLLM等框架底层实现，熟悉大模型部署与推理优化原理；\n3、熟练掌握OpenAI Triton编程，具备算子内核开发经验（如矩阵乘、Attention、Conv等模块优化）；\n4、熟悉模型量化技术（INT8/FP8/INT4混合精度）优先；\n5、对GPU硬件架构（如Hopper/Blackwell）有深入理解，能结合硬件特性设计高性能算子。\n加分项：\n1、在ASPLOS/NeurIPS等顶会发表过模型优化加速相关论文或开源项目贡献者；\n2、有文生视频、3D生成等长序列生成模型的并行化优化经验；\n3、熟悉分布式训练框架（DeepSpeed/Megatron）开发经验；\n4、具备多模态大模型（如Diffusion Model）端到端部署落地经验。\n大模型训推优化工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shenzhen / Hangzhou / Shanghai\n所属部门：D7198\n发布时间：2026-05-29\n\n岗位职责\n1、负责文生图、文生视频等自研大模型核心算子的开发与性能优化，基于CUDA、OpenAI Triton等工具实现高性能计算加速；\n2、针对MaaS平台AI Infra大模型推理场景，研发性能领先业界的推理引擎，通过研发框架优化、量化、算子优化等技术，大幅降低机器成本；\n3、深入训练、微调、RL场景，研发前沿的优化技术，提升模型训练吞吐与资源利用率；\n4、搭建端到端模型推理流水线，探索多模态生成任务下的算子融合、多种KVCache优化等创新优化手段。\n\n任职要求\n必备条件：\n1、计算机科学、电子工程或相关专业硕士及以上学历，2年以上CUDA/GPU高性能计算开发经验；\n2、精通PyTorch/Sglang/vLLM等框架底层实现，熟悉大模型部署与推理优化原理；\n3、熟练掌握OpenAI Triton编程，具备算子内核开发经验（如矩阵乘、Attention、Conv等模块优化）；\n4、熟悉模型量化技术（INT8/FP8/INT4混合精度）优先；\n5、对GPU硬件架构（如Hopper/Blackwell）有深入理解，能结合硬件特性设计高性能算子。\n加分项：\n1、在ASPLOS/NeurIPS等顶会发表过模型优化加速相关论文或开源项目贡献者；\n2、有文生视频、3D生成等长序列生成模型的并行化优化经验；\n3、熟悉分布式训练框架（DeepSpeed/Megatron）开发经验；\n4、具备多模态大模型（如Diffusion Model）端到端部署落地经验。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}