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": "生成式推荐训练引擎研发工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "D13917",
"location": "Beijing",
"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": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "生成式推荐训练引擎研发工程师\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\n所属部门：D13917\n发布时间：2026-09-01\n\n岗位职责\n1. 深度参与快手自研生成式推荐大模型（OneRec）训练全链路开发和优化，以及快手广告、电商、直播、搜索等全域模型的训练全链路研发与优化；\n2. 设计和优化分布式训练框架，通过算子优化、通信计算overlap、低精度训练等方法解决超长序列、超大规模moe场景下的训练效率问题；\n3. 算法工程co-design，探索最优的训练范式。\n\n任职要求\n1. 熟悉C++/Python编程，有较好的编程风格和代码管理能力；\n2. 有优秀的逻辑分析能力，有较好的数学基础\n3. 至少对pytorch/tensorflow等训练框架有较丰富的使用经验和二次开发经验；\n4. 有大模型算法领域知识者优先；\n5. 有大模型训练infra相关从业经验者优先。",
"requirements_text": "生成式推荐训练引擎研发工程师\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\n所属部门：D13917\n发布时间：2026-09-01\n\n岗位职责\n1. 深度参与快手自研生成式推荐大模型（OneRec）训练全链路开发和优化，以及快手广告、电商、直播、搜索等全域模型的训练全链路研发与优化；\n2. 设计和优化分布式训练框架，通过算子优化、通信计算overlap、低精度训练等方法解决超长序列、超大规模moe场景下的训练效率问题；\n3. 算法工程co-design，探索最优的训练范式。\n\n任职要求\n1. 熟悉C++/Python编程，有较好的编程风格和代码管理能力；\n2. 有优秀的逻辑分析能力，有较好的数学基础\n3. 至少对pytorch/tensorflow等训练框架有较丰富的使用经验和二次开发经验；\n4. 有大模型算法领域知识者优先；\n5. 有大模型训练infra相关从业经验者优先。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"模型训练",
"分析能力",
"招聘",
"大语言模型"
],
"preferred_qualifications": "4. 有大模型算法领域知识者优先；5. 有大模型训练infra相关从业经验者优先",
"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/27740"
}
]
},
"posting": {
"posting_id": "27740",
"post_date": "2026-09-01",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/27740"
},
"fulltext": "生成式推荐训练引擎研发工程师\n生成式推荐训练引擎研发工程师\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\n所属部门：D13917\n发布时间：2026-09-01\n\n岗位职责\n1. 深度参与快手自研生成式推荐大模型（OneRec）训练全链路开发和优化，以及快手广告、电商、直播、搜索等全域模型的训练全链路研发与优化；\n2. 设计和优化分布式训练框架，通过算子优化、通信计算overlap、低精度训练等方法解决超长序列、超大规模moe场景下的训练效率问题；\n3. 算法工程co-design，探索最优的训练范式。\n\n任职要求\n1. 熟悉C++/Python编程，有较好的编程风格和代码管理能力；\n2. 有优秀的逻辑分析能力，有较好的数学基础\n3. 至少对pytorch/tensorflow等训练框架有较丰富的使用经验和二次开发经验；\n4. 有大模型算法领域知识者优先；\n5. 有大模型训练infra相关从业经验者优先。\n生成式推荐训练引擎研发工程师\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\n所属部门：D13917\n发布时间：2026-09-01\n\n岗位职责\n1. 深度参与快手自研生成式推荐大模型（OneRec）训练全链路开发和优化，以及快手广告、电商、直播、搜索等全域模型的训练全链路研发与优化；\n2. 设计和优化分布式训练框架，通过算子优化、通信计算overlap、低精度训练等方法解决超长序列、超大规模moe场景下的训练效率问题；\n3. 算法工程co-design，探索最优的训练范式。\n\n任职要求\n1. 熟悉C++/Python编程，有较好的编程风格和代码管理能力；\n2. 有优秀的逻辑分析能力，有较好的数学基础\n3. 至少对pytorch/tensorflow等训练框架有较丰富的使用经验和二次开发经验；\n4. 有大模型算法领域知识者优先；\n5. 有大模型训练infra相关从业经验者优先。\n生成式推荐训练引擎研发工程师\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\n所属部门：D13917\n发布时间：2026-09-01\n\n岗位职责\n1. 深度参与快手自研生成式推荐大模型（OneRec）训练全链路开发和优化，以及快手广告、电商、直播、搜索等全域模型的训练全链路研发与优化；\n2. 设计和优化分布式训练框架，通过算子优化、通信计算overlap、低精度训练等方法解决超长序列、超大规模moe场景下的训练效率问题；\n3. 算法工程co-design，探索最优的训练范式。\n\n任职要求\n1. 熟悉C++/Python编程，有较好的编程风格和代码管理能力；\n2. 有优秀的逻辑分析能力，有较好的数学基础\n3. 至少对pytorch/tensorflow等训练框架有较丰富的使用经验和二次开发经验；\n4. 有大模型算法领域知识者优先；\n5. 有大模型训练infra相关从业经验者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}