主分类：AI训练数据标注与评测运营
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": "模型运营专员",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "D14646",
"location": "Chengdu",
"work_mode": "未披露",AI生成
"job_category": "J0008"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": "模型运营专员\n\n基础信息\n招聘类型：社招\n职位类别：J0008\n工作地点：Chengdu\n所属部门：D14646\n发布时间：2026-08-14\n\n岗位职责\n1、模型效果运营：常态化跟踪文本、图像、多模态等 AI 模型的准确率、召回率等核心指标，建立健康度监控体系，并主动定位模型漏召、误判等效果劣化问题，驱动优化闭环，保障线上业务效果持续达标；\n2、训练数据运营：主导训练集、验证集、测试集的全生命周期运营，持续分析样本分布、数据噪声、类别不均衡等问题，并通过数据增强、难样本富集、负样本挖掘等手段，从数据侧系统性支撑模型准召率提升；\n3、模型迭代全流程跟进管理：跟进模型微调、参数调优、prompt 优化及训练策略升级全流程，对比不同版本模型 Precision / Recall / F1 等关键指标，输出可追溯的迭代复盘报告，把控每轮迭代质量；\n4、跨团队协同推动业务效果落地：深度对接业务、内容审核、产品等团队，理解真实场景痛点，基于业务优先级制定模型优化节奏，推进模型灰度验证与全量上线，确保优化效果切实转化为业务价值。\n\n任职要求\n必备能力\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计等相关专业，熟悉深度学习、机器学习基础理论；\n2、精通模型准召率优化逻辑，深刻理解准确率、召回率、F1值、混淆矩阵等核心指标，具备独立通过数据、模型、策略三维度提升准召的实战经验；\n3、熟练使用PyTorch/TensorFlow任意一种框架，熟悉模型微调、蒸馏、正则化、超参调优等训练优化手段；\n4、熟练掌握数据分析、样本筛选、坏例挖掘方法，能够精准定位模型性能瓶颈并落地优化；\n5、熟悉AI模型训练全流程：数据处理、模型训练、验证评测、版本管理、效果复盘。\n优先加分项\n1. 有内容安全、NLP文本分类、CV图像识别、多模态模型优化经验者优先；\n2. 有大模型微调、小模型落地迭代、样本不均衡场景准召优化经验者优先；\n3. 具备结构化复盘能力，能够沉淀可复用的模型优化方法论；\n4. 熟悉模型线上监控、灰度测试、效果评估体系者优先。",
"requirements_text": "模型运营专员\n\n基础信息\n招聘类型：社招\n职位类别：J0008\n工作地点：Chengdu\n所属部门：D14646\n发布时间：2026-08-14\n\n岗位职责\n1、模型效果运营：常态化跟踪文本、图像、多模态等 AI 模型的准确率、召回率等核心指标，建立健康度监控体系，并主动定位模型漏召、误判等效果劣化问题，驱动优化闭环，保障线上业务效果持续达标；\n2、训练数据运营：主导训练集、验证集、测试集的全生命周期运营，持续分析样本分布、数据噪声、类别不均衡等问题，并通过数据增强、难样本富集、负样本挖掘等手段，从数据侧系统性支撑模型准召率提升；\n3、模型迭代全流程跟进管理：跟进模型微调、参数调优、prompt 优化及训练策略升级全流程，对比不同版本模型 Precision / Recall / F1 等关键指标，输出可追溯的迭代复盘报告，把控每轮迭代质量；\n4、跨团队协同推动业务效果落地：深度对接业务、内容审核、产品等团队，理解真实场景痛点，基于业务优先级制定模型优化节奏，推进模型灰度验证与全量上线，确保优化效果切实转化为业务价值。\n\n任职要求\n必备能力\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计等相关专业，熟悉深度学习、机器学习基础理论；\n2、精通模型准召率优化逻辑，深刻理解准确率、召回率、F1值、混淆矩阵等核心指标，具备独立通过数据、模型、策略三维度提升准召的实战经验；\n3、熟练使用PyTorch/TensorFlow任意一种框架，熟悉模型微调、蒸馏、正则化、超参调优等训练优化手段；\n4、熟练掌握数据分析、样本筛选、坏例挖掘方法，能够精准定位模型性能瓶颈并落地优化；\n5、熟悉AI模型训练全流程：数据处理、模型训练、验证评测、版本管理、效果复盘。\n优先加分项\n1. 有内容安全、NLP文本分类、CV图像识别、多模态模型优化经验者优先；\n2. 有大模型微调、小模型落地迭代、样本不均衡场景准召优化经验者优先；\n3. 具备结构化复盘能力，能够沉淀可复用的模型优化方法论；\n4. 熟悉模型线上监控、灰度测试、效果评估体系者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据分析",
"模型训练",
"模型微调",
"招聘",
"大语言模型"
],
"preferred_qualifications": "4、跨团队协同推动业务效果落地：深度对接业务、内容审核、产品等团队，理解真实场景痛点，基于业务优先级制定模型优化节奏，推进模型灰度验证与全量上线，确保优化效果切实转化为业务价值；优先加分项；1. 有内容安全、NLP文本分类、CV图像识别、多模态模型优化经验者优先；2. 有大模型微调、小模型落地迭代、样本不均衡场景准召优化经验者优先；4. 熟悉模型线上监控、灰度测试、效果评估体系者优先",
"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/27882"
}
]
},
"posting": {
"posting_id": "27882",
"post_date": "2026-08-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/27882"
},
"fulltext": "模型运营专员\n模型运营专员\n\n基础信息\n招聘类型：社招\n职位类别：J0008\n工作地点：Chengdu\n所属部门：D14646\n发布时间：2026-08-14\n\n岗位职责\n1、模型效果运营：常态化跟踪文本、图像、多模态等 AI 模型的准确率、召回率等核心指标，建立健康度监控体系，并主动定位模型漏召、误判等效果劣化问题，驱动优化闭环，保障线上业务效果持续达标；\n2、训练数据运营：主导训练集、验证集、测试集的全生命周期运营，持续分析样本分布、数据噪声、类别不均衡等问题，并通过数据增强、难样本富集、负样本挖掘等手段，从数据侧系统性支撑模型准召率提升；\n3、模型迭代全流程跟进管理：跟进模型微调、参数调优、prompt 优化及训练策略升级全流程，对比不同版本模型 Precision / Recall / F1 等关键指标，输出可追溯的迭代复盘报告，把控每轮迭代质量；\n4、跨团队协同推动业务效果落地：深度对接业务、内容审核、产品等团队，理解真实场景痛点，基于业务优先级制定模型优化节奏，推进模型灰度验证与全量上线，确保优化效果切实转化为业务价值。\n\n任职要求\n必备能力\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计等相关专业，熟悉深度学习、机器学习基础理论；\n2、精通模型准召率优化逻辑，深刻理解准确率、召回率、F1值、混淆矩阵等核心指标，具备独立通过数据、模型、策略三维度提升准召的实战经验；\n3、熟练使用PyTorch/TensorFlow任意一种框架，熟悉模型微调、蒸馏、正则化、超参调优等训练优化手段；\n4、熟练掌握数据分析、样本筛选、坏例挖掘方法，能够精准定位模型性能瓶颈并落地优化；\n5、熟悉AI模型训练全流程：数据处理、模型训练、验证评测、版本管理、效果复盘。\n优先加分项\n1. 有内容安全、NLP文本分类、CV图像识别、多模态模型优化经验者优先；\n2. 有大模型微调、小模型落地迭代、样本不均衡场景准召优化经验者优先；\n3. 具备结构化复盘能力，能够沉淀可复用的模型优化方法论；\n4. 熟悉模型线上监控、灰度测试、效果评估体系者优先。\n模型运营专员\n\n基础信息\n招聘类型：社招\n职位类别：J0008\n工作地点：Chengdu\n所属部门：D14646\n发布时间：2026-08-14\n\n岗位职责\n1、模型效果运营：常态化跟踪文本、图像、多模态等 AI 模型的准确率、召回率等核心指标，建立健康度监控体系，并主动定位模型漏召、误判等效果劣化问题，驱动优化闭环，保障线上业务效果持续达标；\n2、训练数据运营：主导训练集、验证集、测试集的全生命周期运营，持续分析样本分布、数据噪声、类别不均衡等问题，并通过数据增强、难样本富集、负样本挖掘等手段，从数据侧系统性支撑模型准召率提升；\n3、模型迭代全流程跟进管理：跟进模型微调、参数调优、prompt 优化及训练策略升级全流程，对比不同版本模型 Precision / Recall / F1 等关键指标，输出可追溯的迭代复盘报告，把控每轮迭代质量；\n4、跨团队协同推动业务效果落地：深度对接业务、内容审核、产品等团队，理解真实场景痛点，基于业务优先级制定模型优化节奏，推进模型灰度验证与全量上线，确保优化效果切实转化为业务价值。\n\n任职要求\n必备能力\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计等相关专业，熟悉深度学习、机器学习基础理论；\n2、精通模型准召率优化逻辑，深刻理解准确率、召回率、F1值、混淆矩阵等核心指标，具备独立通过数据、模型、策略三维度提升准召的实战经验；\n3、熟练使用PyTorch/TensorFlow任意一种框架，熟悉模型微调、蒸馏、正则化、超参调优等训练优化手段；\n4、熟练掌握数据分析、样本筛选、坏例挖掘方法，能够精准定位模型性能瓶颈并落地优化；\n5、熟悉AI模型训练全流程：数据处理、模型训练、验证评测、版本管理、效果复盘。\n优先加分项\n1. 有内容安全、NLP文本分类、CV图像识别、多模态模型优化经验者优先；\n2. 有大模型微调、小模型落地迭代、样本不均衡场景准召优化经验者优先；\n3. 具备结构化复盘能力，能够沉淀可复用的模型优化方法论；\n4. 熟悉模型线上监控、灰度测试、效果评估体系者优先。\n模型运营专员\n\n基础信息\n招聘类型：社招\n职位类别：J0008\n工作地点：Chengdu\n所属部门：D14646\n发布时间：2026-08-14\n\n岗位职责\n1、模型效果运营：常态化跟踪文本、图像、多模态等 AI 模型的准确率、召回率等核心指标，建立健康度监控体系，并主动定位模型漏召、误判等效果劣化问题，驱动优化闭环，保障线上业务效果持续达标；\n2、训练数据运营：主导训练集、验证集、测试集的全生命周期运营，持续分析样本分布、数据噪声、类别不均衡等问题，并通过数据增强、难样本富集、负样本挖掘等手段，从数据侧系统性支撑模型准召率提升；\n3、模型迭代全流程跟进管理：跟进模型微调、参数调优、prompt 优化及训练策略升级全流程，对比不同版本模型 Precision / Recall / F1 等关键指标，输出可追溯的迭代复盘报告，把控每轮迭代质量；\n4、跨团队协同推动业务效果落地：深度对接业务、内容审核、产品等团队，理解真实场景痛点，基于业务优先级制定模型优化节奏，推进模型灰度验证与全量上线，确保优化效果切实转化为业务价值。\n\n任职要求\n必备能力\n1、本科及以上学历，计算机、人工智能、软件工程、数学、统计等相关专业，熟悉深度学习、机器学习基础理论；\n2、精通模型准召率优化逻辑，深刻理解准确率、召回率、F1值、混淆矩阵等核心指标，具备独立通过数据、模型、策略三维度提升准召的实战经验；\n3、熟练使用PyTorch/TensorFlow任意一种框架，熟悉模型微调、蒸馏、正则化、超参调优等训练优化手段；\n4、熟练掌握数据分析、样本筛选、坏例挖掘方法，能够精准定位模型性能瓶颈并落地优化；\n5、熟悉AI模型训练全流程：数据处理、模型训练、验证评测、版本管理、效果复盘。\n优先加分项\n1. 有内容安全、NLP文本分类、CV图像识别、多模态模型优化经验者优先；\n2. 有大模型微调、小模型落地迭代、样本不均衡场景准召优化经验者优先；\n3. 具备结构化复盘能力，能够沉淀可复用的模型优化方法论；\n4. 熟悉模型线上监控、灰度测试、效果评估体系者优先。",
"standard_classification": {
"std_category_code": "B010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}