{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型理解应用算法实习生",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "D13918",
        "location": "Beijing",
        "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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "大模型理解应用算法实习生\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\n所属部门：D13918\n发布时间：2026-06-22\n\n岗位职责\n1、负责构建统一的多模态语义表示空间，研发前沿的多模态算法，解决跨模态内容对齐、细粒度特征理解与关联性建模等核心问题，为下游任务提供高质量的Embedding；\n2、主导电商多模态大模型（MLLMs）的持续预训练和指令微调（SFT），开发精准的商品图谱、用户意图理解、跨模态检索等核心能力，赋能搜索、推荐等业务；\n3、探索并应用强化学习技术（如DPO\\GRPO等），构建精准的Reward Model，对多模态内容的深度语义、层级分类等进行建模，使其理解和判断标准更贴近人类偏好与业务目标，提升内容分发效率与转化效果。\n\n任职要求\n1、在多模态学习、计算机视觉、自然语言处理等一个或多个领域有扎实的理论基础和深入研究，包括但不限于：多模态表征学习、大模型指令微调、跨模态检索、视觉语言模型（VLMs）等；\n2、对主流的多模态预训练模型（如CLIP系列, LLaVA, Qwen-VL等）有深入理解，并具备大模型SFT/RL的实际项目经验，熟悉相关训练框架（如Pytorch, Tensorflow）者优先；\n3、在顶级学术会议或期刊（如CVPR, ICCV, ECCV, NeurIPS, ICLR, ACL等）发表过相关论文者优先；\n4、对技术前沿有浓厚兴趣，能主动跟进并解决复杂问题；具备良好的沟通能力和团队协作精神，主观能动性强。",
        "requirements_text": "大模型理解应用算法实习生\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\n所属部门：D13918\n发布时间：2026-06-22\n\n岗位职责\n1、负责构建统一的多模态语义表示空间，研发前沿的多模态算法，解决跨模态内容对齐、细粒度特征理解与关联性建模等核心问题，为下游任务提供高质量的Embedding；\n2、主导电商多模态大模型（MLLMs）的持续预训练和指令微调（SFT），开发精准的商品图谱、用户意图理解、跨模态检索等核心能力，赋能搜索、推荐等业务；\n3、探索并应用强化学习技术（如DPO\\GRPO等），构建精准的Reward Model，对多模态内容的深度语义、层级分类等进行建模，使其理解和判断标准更贴近人类偏好与业务目标，提升内容分发效率与转化效果。\n\n任职要求\n1、在多模态学习、计算机视觉、自然语言处理等一个或多个领域有扎实的理论基础和深入研究，包括但不限于：多模态表征学习、大模型指令微调、跨模态检索、视觉语言模型（VLMs）等；\n2、对主流的多模态预训练模型（如CLIP系列, LLaVA, Qwen-VL等）有深入理解，并具备大模型SFT/RL的实际项目经验，熟悉相关训练框架（如Pytorch, Tensorflow）者优先；\n3、在顶级学术会议或期刊（如CVPR, ICCV, ECCV, NeurIPS, ICLR, ACL等）发表过相关论文者优先；\n4、对技术前沿有浓厚兴趣，能主动跟进并解决复杂问题；具备良好的沟通能力和团队协作精神，主观能动性强。",
        "skills": [AI生成
            "PyTorch",
            "TensorFlow",
            "强化学习",
            "自然语言处理",
            "计算机视觉",
            "团队协作",
            "沟通能力",
            "建模",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "2、对主流的多模态预训练模型（如CLIP系列, LLaVA, Qwen-VL等）有深入理解，并具备大模型SFT/RL的实际项目经验，熟悉相关训练框架（如Pytorch, Tensorflow）者优先；3、在顶级学术会议或期刊（如CVPR, ICCV, ECCV, NeurIPS, ICLR, ACL等）发表过相关论文者优先",
        "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/28964"
            }
        ]
    },
    "posting": {
        "posting_id": "28964",
        "post_date": "2026-06-22",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/28964"
    },
    "fulltext": "大模型理解应用算法实习生\n大模型理解应用算法实习生\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\n所属部门：D13918\n发布时间：2026-06-22\n\n岗位职责\n1、负责构建统一的多模态语义表示空间，研发前沿的多模态算法，解决跨模态内容对齐、细粒度特征理解与关联性建模等核心问题，为下游任务提供高质量的Embedding；\n2、主导电商多模态大模型（MLLMs）的持续预训练和指令微调（SFT），开发精准的商品图谱、用户意图理解、跨模态检索等核心能力，赋能搜索、推荐等业务；\n3、探索并应用强化学习技术（如DPO\\GRPO等），构建精准的Reward Model，对多模态内容的深度语义、层级分类等进行建模，使其理解和判断标准更贴近人类偏好与业务目标，提升内容分发效率与转化效果。\n\n任职要求\n1、在多模态学习、计算机视觉、自然语言处理等一个或多个领域有扎实的理论基础和深入研究，包括但不限于：多模态表征学习、大模型指令微调、跨模态检索、视觉语言模型（VLMs）等；\n2、对主流的多模态预训练模型（如CLIP系列, LLaVA, Qwen-VL等）有深入理解，并具备大模型SFT/RL的实际项目经验，熟悉相关训练框架（如Pytorch, Tensorflow）者优先；\n3、在顶级学术会议或期刊（如CVPR, ICCV, ECCV, NeurIPS, ICLR, ACL等）发表过相关论文者优先；\n4、对技术前沿有浓厚兴趣，能主动跟进并解决复杂问题；具备良好的沟通能力和团队协作精神，主观能动性强。\n大模型理解应用算法实习生\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\n所属部门：D13918\n发布时间：2026-06-22\n\n岗位职责\n1、负责构建统一的多模态语义表示空间，研发前沿的多模态算法，解决跨模态内容对齐、细粒度特征理解与关联性建模等核心问题，为下游任务提供高质量的Embedding；\n2、主导电商多模态大模型（MLLMs）的持续预训练和指令微调（SFT），开发精准的商品图谱、用户意图理解、跨模态检索等核心能力，赋能搜索、推荐等业务；\n3、探索并应用强化学习技术（如DPO\\GRPO等），构建精准的Reward Model，对多模态内容的深度语义、层级分类等进行建模，使其理解和判断标准更贴近人类偏好与业务目标，提升内容分发效率与转化效果。\n\n任职要求\n1、在多模态学习、计算机视觉、自然语言处理等一个或多个领域有扎实的理论基础和深入研究，包括但不限于：多模态表征学习、大模型指令微调、跨模态检索、视觉语言模型（VLMs）等；\n2、对主流的多模态预训练模型（如CLIP系列, LLaVA, Qwen-VL等）有深入理解，并具备大模型SFT/RL的实际项目经验，熟悉相关训练框架（如Pytorch, Tensorflow）者优先；\n3、在顶级学术会议或期刊（如CVPR, ICCV, ECCV, NeurIPS, ICLR, ACL等）发表过相关论文者优先；\n4、对技术前沿有浓厚兴趣，能主动跟进并解决复杂问题；具备良好的沟通能力和团队协作精神，主观能动性强。\n大模型理解应用算法实习生\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\n所属部门：D13918\n发布时间：2026-06-22\n\n岗位职责\n1、负责构建统一的多模态语义表示空间，研发前沿的多模态算法，解决跨模态内容对齐、细粒度特征理解与关联性建模等核心问题，为下游任务提供高质量的Embedding；\n2、主导电商多模态大模型（MLLMs）的持续预训练和指令微调（SFT），开发精准的商品图谱、用户意图理解、跨模态检索等核心能力，赋能搜索、推荐等业务；\n3、探索并应用强化学习技术（如DPO\\GRPO等），构建精准的Reward Model，对多模态内容的深度语义、层级分类等进行建模，使其理解和判断标准更贴近人类偏好与业务目标，提升内容分发效率与转化效果。\n\n任职要求\n1、在多模态学习、计算机视觉、自然语言处理等一个或多个领域有扎实的理论基础和深入研究，包括但不限于：多模态表征学习、大模型指令微调、跨模态检索、视觉语言模型（VLMs）等；\n2、对主流的多模态预训练模型（如CLIP系列, LLaVA, Qwen-VL等）有深入理解，并具备大模型SFT/RL的实际项目经验，熟悉相关训练框架（如Pytorch, Tensorflow）者优先；\n3、在顶级学术会议或期刊（如CVPR, ICCV, ECCV, NeurIPS, ICLR, ACL等）发表过相关论文者优先；\n4、对技术前沿有浓厚兴趣，能主动跟进并解决复杂问题；具备良好的沟通能力和团队协作精神，主观能动性强。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}