主分类：大模型与生成式算法研发
辅助：数据工程与数据平台研发（仅展示）
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": "多模态大模型算法实习生-【可灵AI-数据效能研究方向】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D14604",
"location": "Beijing / Shenzhen",
"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": "具有计算机、人工智能、统计学等相关专业硕士及以上背景",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "多模态大模型算法实习生-【可灵AI-数据效能研究方向】\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 / Shenzhen\n所属部门：D14604\n发布时间：2026-06-09\n\n岗位职责\n1、数据效能研究（Data Efficiency）：基于多模态大模型训练过程，分析不同模态数据的有效性、信息增益与贡献度；参与数据选择、数据蒸馏、难例挖掘等前沿技术探索，提升训练效率与模型表现；\n2、数据–模型协同设计（Co-Design）：与模型团队协作，从训练曲线、梯度信号与分布特征中反推数据质量，研究分阶段（预训练/SFT/对齐）数据策略，设计高效的数据结构与采样机制；\n3、高质量数据构建（Data Quality Engineering）：参与多模态数据 pipeline，包括自动标注、Caption 生成、数据去噪与一致性检查；探索弱监督、合成数据与模型 in-the-loop 的高质量数据生产方式；\n4、多模态数据分析（Multimodal Analytics）：对训练数据进行覆盖度、偏差与难度分析，构建可视化与指标体系，为模型能力诊断与数据重构提供依据。\n\n任职要求\n1、具有计算机、人工智能、统计学等相关专业硕士及以上背景，理解深度学习与多模态模型基本原理；\n2、熟练掌握 Python/PyTorch，具备扎实的数据分析能力，对模型训练数据的分布、质量与信号敏感度有较强理解力；\n3、对数据效能、数据选择、数据蒸馏、合成数据、self-supervised 等方向有浓厚兴趣，有相关项目或研究经验优先。\n加分项：\n1、了解视觉语言模型（VLM）、视频-语言模型、多模态 pretrain/SFT 对齐流程；\n2、有数据工程 pipeline 经验（WebDataset、数据采样策略、自动标注等）；\n3、关注数据与模型协同优化的前沿研究，具备探索精神与快速阅读论文能力。",
"requirements_text": "多模态大模型算法实习生-【可灵AI-数据效能研究方向】\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 / Shenzhen\n所属部门：D14604\n发布时间：2026-06-09\n\n岗位职责\n1、数据效能研究（Data Efficiency）：基于多模态大模型训练过程，分析不同模态数据的有效性、信息增益与贡献度；参与数据选择、数据蒸馏、难例挖掘等前沿技术探索，提升训练效率与模型表现；\n2、数据–模型协同设计（Co-Design）：与模型团队协作，从训练曲线、梯度信号与分布特征中反推数据质量，研究分阶段（预训练/SFT/对齐）数据策略，设计高效的数据结构与采样机制；\n3、高质量数据构建（Data Quality Engineering）：参与多模态数据 pipeline，包括自动标注、Caption 生成、数据去噪与一致性检查；探索弱监督、合成数据与模型 in-the-loop 的高质量数据生产方式；\n4、多模态数据分析（Multimodal Analytics）：对训练数据进行覆盖度、偏差与难度分析，构建可视化与指标体系，为模型能力诊断与数据重构提供依据。\n\n任职要求\n1、具有计算机、人工智能、统计学等相关专业硕士及以上背景，理解深度学习与多模态模型基本原理；\n2、熟练掌握 Python/PyTorch，具备扎实的数据分析能力，对模型训练数据的分布、质量与信号敏感度有较强理解力；\n3、对数据效能、数据选择、数据蒸馏、合成数据、self-supervised 等方向有浓厚兴趣，有相关项目或研究经验优先。\n加分项：\n1、了解视觉语言模型（VLM）、视频-语言模型、多模态 pretrain/SFT 对齐流程；\n2、有数据工程 pipeline 经验（WebDataset、数据采样策略、自动标注等）；\n3、关注数据与模型协同优化的前沿研究，具备探索精神与快速阅读论文能力。",
"skills": [AI生成
"Python",
"PyTorch",
"深度学习",
"数据结构",
"数据分析",
"模型训练",
"团队协作",
"分析能力",
"招聘",
"大语言模型"
],
"preferred_qualifications": "3、对数据效能、数据选择、数据蒸馏、合成数据、self-supervised 等方向有浓厚兴趣，有相关项目或研究经验优先；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/28133"
}
]
},
"posting": {
"posting_id": "28133",
"post_date": "2026-06-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/28133"
},
"fulltext": "多模态大模型算法实习生-【可灵AI-数据效能研究方向】\n多模态大模型算法实习生-【可灵AI-数据效能研究方向】\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 / Shenzhen\n所属部门：D14604\n发布时间：2026-06-09\n\n岗位职责\n1、数据效能研究（Data Efficiency）：基于多模态大模型训练过程，分析不同模态数据的有效性、信息增益与贡献度；参与数据选择、数据蒸馏、难例挖掘等前沿技术探索，提升训练效率与模型表现；\n2、数据–模型协同设计（Co-Design）：与模型团队协作，从训练曲线、梯度信号与分布特征中反推数据质量，研究分阶段（预训练/SFT/对齐）数据策略，设计高效的数据结构与采样机制；\n3、高质量数据构建（Data Quality Engineering）：参与多模态数据 pipeline，包括自动标注、Caption 生成、数据去噪与一致性检查；探索弱监督、合成数据与模型 in-the-loop 的高质量数据生产方式；\n4、多模态数据分析（Multimodal Analytics）：对训练数据进行覆盖度、偏差与难度分析，构建可视化与指标体系，为模型能力诊断与数据重构提供依据。\n\n任职要求\n1、具有计算机、人工智能、统计学等相关专业硕士及以上背景，理解深度学习与多模态模型基本原理；\n2、熟练掌握 Python/PyTorch，具备扎实的数据分析能力，对模型训练数据的分布、质量与信号敏感度有较强理解力；\n3、对数据效能、数据选择、数据蒸馏、合成数据、self-supervised 等方向有浓厚兴趣，有相关项目或研究经验优先。\n加分项：\n1、了解视觉语言模型（VLM）、视频-语言模型、多模态 pretrain/SFT 对齐流程；\n2、有数据工程 pipeline 经验（WebDataset、数据采样策略、自动标注等）；\n3、关注数据与模型协同优化的前沿研究，具备探索精神与快速阅读论文能力。\n多模态大模型算法实习生-【可灵AI-数据效能研究方向】\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 / Shenzhen\n所属部门：D14604\n发布时间：2026-06-09\n\n岗位职责\n1、数据效能研究（Data Efficiency）：基于多模态大模型训练过程，分析不同模态数据的有效性、信息增益与贡献度；参与数据选择、数据蒸馏、难例挖掘等前沿技术探索，提升训练效率与模型表现；\n2、数据–模型协同设计（Co-Design）：与模型团队协作，从训练曲线、梯度信号与分布特征中反推数据质量，研究分阶段（预训练/SFT/对齐）数据策略，设计高效的数据结构与采样机制；\n3、高质量数据构建（Data Quality Engineering）：参与多模态数据 pipeline，包括自动标注、Caption 生成、数据去噪与一致性检查；探索弱监督、合成数据与模型 in-the-loop 的高质量数据生产方式；\n4、多模态数据分析（Multimodal Analytics）：对训练数据进行覆盖度、偏差与难度分析，构建可视化与指标体系，为模型能力诊断与数据重构提供依据。\n\n任职要求\n1、具有计算机、人工智能、统计学等相关专业硕士及以上背景，理解深度学习与多模态模型基本原理；\n2、熟练掌握 Python/PyTorch，具备扎实的数据分析能力，对模型训练数据的分布、质量与信号敏感度有较强理解力；\n3、对数据效能、数据选择、数据蒸馏、合成数据、self-supervised 等方向有浓厚兴趣，有相关项目或研究经验优先。\n加分项：\n1、了解视觉语言模型（VLM）、视频-语言模型、多模态 pretrain/SFT 对齐流程；\n2、有数据工程 pipeline 经验（WebDataset、数据采样策略、自动标注等）；\n3、关注数据与模型协同优化的前沿研究，具备探索精神与快速阅读论文能力。\n多模态大模型算法实习生-【可灵AI-数据效能研究方向】\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 / Shenzhen\n所属部门：D14604\n发布时间：2026-06-09\n\n岗位职责\n1、数据效能研究（Data Efficiency）：基于多模态大模型训练过程，分析不同模态数据的有效性、信息增益与贡献度；参与数据选择、数据蒸馏、难例挖掘等前沿技术探索，提升训练效率与模型表现；\n2、数据–模型协同设计（Co-Design）：与模型团队协作，从训练曲线、梯度信号与分布特征中反推数据质量，研究分阶段（预训练/SFT/对齐）数据策略，设计高效的数据结构与采样机制；\n3、高质量数据构建（Data Quality Engineering）：参与多模态数据 pipeline，包括自动标注、Caption 生成、数据去噪与一致性检查；探索弱监督、合成数据与模型 in-the-loop 的高质量数据生产方式；\n4、多模态数据分析（Multimodal Analytics）：对训练数据进行覆盖度、偏差与难度分析，构建可视化与指标体系，为模型能力诊断与数据重构提供依据。\n\n任职要求\n1、具有计算机、人工智能、统计学等相关专业硕士及以上背景，理解深度学习与多模态模型基本原理；\n2、熟练掌握 Python/PyTorch，具备扎实的数据分析能力，对模型训练数据的分布、质量与信号敏感度有较强理解力；\n3、对数据效能、数据选择、数据蒸馏、合成数据、self-supervised 等方向有浓厚兴趣，有相关项目或研究经验优先。\n加分项：\n1、了解视觉语言模型（VLM）、视频-语言模型、多模态 pretrain/SFT 对齐流程；\n2、有数据工程 pipeline 经验（WebDataset、数据采样策略、自动标注等）；\n3、关注数据与模型协同优化的前沿研究，具备探索精神与快速阅读论文能力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T016"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}