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": "（可灵AI专项）大模型算法加速/优化实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D11722",
"location": "Beijing / Shanghai",
"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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "（可灵AI专项）大模型算法加速/优化实习生\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 / Shanghai\n所属部门：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、diffusion步数蒸馏和CFG蒸馏：\n1）跟进学术界最前沿的 few-steps diffusion 算法, 探索研发 one-step / few-steps 的无损蒸馏算法, 包括但不限于 consistency modeling、shortcut、score distillation等方案, 打造实时化的极致高效视频/图像大模型；\n2）研究 DPO/GRPO/PPO 等强化学习的手段在少步模型下的新训练算法, 摸索强化学习与压缩算法的化学反应, 推动效果-效率的帕雷托前沿新SOTA；\n2、transformer模型架构优化：\n1）跟进学术界高效attn 计算成果(包括但不限于: sparse-attn, linear-attn 等), 探索研究视频模态下较full-attn 的无损高效attn方案；\n2）量化后训练: 探索极低bit 的量化训练(QAT), 特别是针对FP8/FP4 的无损量化加速。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化等专业优先；\n2、熟练掌握diffusion原理, 具备公式推理和证明的能力, 有过相关的研究经历和实践经验者优化；\n3、熟悉transformer结构及其变种, 熟悉attention的设计和多种变种实现, 掌握triton；\n4、数理要求: 熟练掌握线性线数、概率论、信息论、凸优化等基础知识，了解矩阵论、随机过程等；\n5、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。",
"requirements_text": "（可灵AI专项）大模型算法加速/优化实习生\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 / Shanghai\n所属部门：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、diffusion步数蒸馏和CFG蒸馏：\n1）跟进学术界最前沿的 few-steps diffusion 算法, 探索研发 one-step / few-steps 的无损蒸馏算法, 包括但不限于 consistency modeling、shortcut、score distillation等方案, 打造实时化的极致高效视频/图像大模型；\n2）研究 DPO/GRPO/PPO 等强化学习的手段在少步模型下的新训练算法, 摸索强化学习与压缩算法的化学反应, 推动效果-效率的帕雷托前沿新SOTA；\n2、transformer模型架构优化：\n1）跟进学术界高效attn 计算成果(包括但不限于: sparse-attn, linear-attn 等), 探索研究视频模态下较full-attn 的无损高效attn方案；\n2）量化后训练: 探索极低bit 的量化训练(QAT), 特别是针对FP8/FP4 的无损量化加速。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化等专业优先；\n2、熟练掌握diffusion原理, 具备公式推理和证明的能力, 有过相关的研究经历和实践经验者优化；\n3、熟悉transformer结构及其变种, 熟悉attention的设计和多种变种实现, 掌握triton；\n4、数理要求: 熟练掌握线性线数、概率论、信息论、凸优化等基础知识，了解矩阵论、随机过程等；\n5、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。",
"skills": [AI生成
"强化学习",
"招聘",
"大语言模型"
],
"preferred_qualifications": "1、硕士及以上学历，数学、计算机、自动化等专业优先",
"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/27889"
}
]
},
"posting": {
"posting_id": "27889",
"post_date": "2026-07-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/27889"
},
"fulltext": "（可灵AI专项）大模型算法加速/优化实习生\n（可灵AI专项）大模型算法加速/优化实习生\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 / Shanghai\n所属部门：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、diffusion步数蒸馏和CFG蒸馏：\n1）跟进学术界最前沿的 few-steps diffusion 算法, 探索研发 one-step / few-steps 的无损蒸馏算法, 包括但不限于 consistency modeling、shortcut、score distillation等方案, 打造实时化的极致高效视频/图像大模型；\n2）研究 DPO/GRPO/PPO 等强化学习的手段在少步模型下的新训练算法, 摸索强化学习与压缩算法的化学反应, 推动效果-效率的帕雷托前沿新SOTA；\n2、transformer模型架构优化：\n1）跟进学术界高效attn 计算成果(包括但不限于: sparse-attn, linear-attn 等), 探索研究视频模态下较full-attn 的无损高效attn方案；\n2）量化后训练: 探索极低bit 的量化训练(QAT), 特别是针对FP8/FP4 的无损量化加速。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化等专业优先；\n2、熟练掌握diffusion原理, 具备公式推理和证明的能力, 有过相关的研究经历和实践经验者优化；\n3、熟悉transformer结构及其变种, 熟悉attention的设计和多种变种实现, 掌握triton；\n4、数理要求: 熟练掌握线性线数、概率论、信息论、凸优化等基础知识，了解矩阵论、随机过程等；\n5、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。\n（可灵AI专项）大模型算法加速/优化实习生\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 / Shanghai\n所属部门：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、diffusion步数蒸馏和CFG蒸馏：\n1）跟进学术界最前沿的 few-steps diffusion 算法, 探索研发 one-step / few-steps 的无损蒸馏算法, 包括但不限于 consistency modeling、shortcut、score distillation等方案, 打造实时化的极致高效视频/图像大模型；\n2）研究 DPO/GRPO/PPO 等强化学习的手段在少步模型下的新训练算法, 摸索强化学习与压缩算法的化学反应, 推动效果-效率的帕雷托前沿新SOTA；\n2、transformer模型架构优化：\n1）跟进学术界高效attn 计算成果(包括但不限于: sparse-attn, linear-attn 等), 探索研究视频模态下较full-attn 的无损高效attn方案；\n2）量化后训练: 探索极低bit 的量化训练(QAT), 特别是针对FP8/FP4 的无损量化加速。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化等专业优先；\n2、熟练掌握diffusion原理, 具备公式推理和证明的能力, 有过相关的研究经历和实践经验者优化；\n3、熟悉transformer结构及其变种, 熟悉attention的设计和多种变种实现, 掌握triton；\n4、数理要求: 熟练掌握线性线数、概率论、信息论、凸优化等基础知识，了解矩阵论、随机过程等；\n5、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。\n（可灵AI专项）大模型算法加速/优化实习生\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 / Shanghai\n所属部门：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、diffusion步数蒸馏和CFG蒸馏：\n1）跟进学术界最前沿的 few-steps diffusion 算法, 探索研发 one-step / few-steps 的无损蒸馏算法, 包括但不限于 consistency modeling、shortcut、score distillation等方案, 打造实时化的极致高效视频/图像大模型；\n2）研究 DPO/GRPO/PPO 等强化学习的手段在少步模型下的新训练算法, 摸索强化学习与压缩算法的化学反应, 推动效果-效率的帕雷托前沿新SOTA；\n2、transformer模型架构优化：\n1）跟进学术界高效attn 计算成果(包括但不限于: sparse-attn, linear-attn 等), 探索研究视频模态下较full-attn 的无损高效attn方案；\n2）量化后训练: 探索极低bit 的量化训练(QAT), 特别是针对FP8/FP4 的无损量化加速。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化等专业优先；\n2、熟练掌握diffusion原理, 具备公式推理和证明的能力, 有过相关的研究经历和实践经验者优化；\n3、熟悉transformer结构及其变种, 熟悉attention的设计和多种变种实现, 掌握triton；\n4、数理要求: 熟练掌握线性线数、概率论、信息论、凸优化等基础知识，了解矩阵论、随机过程等；\n5、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}