职位详情

职位列表 链接有效 不适用(官网全量采集) official:kuaishou:29483

AI应用算法工程师(AIGC方向)-【商业化】

未披露 · Beijing · 快手科技

主分类:大模型与生成式算法研发
算法与数据
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": "AI应用算法工程师(AIGC方向)-【商业化】",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "D13110",
        "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": "AI应用算法工程师(AIGC方向)-【商业化】\n\n基础信息\n招聘类型:社招\n职位类别:J0011\n工作地点:Beijing\n所属部门:D13110\n发布时间:2026-02-28\n\n岗位职责\n1、大模型研发与微调:负责面向小说创作场景的大语言模型(LLM)SFT及RLHF;针对文学创作特性,优化模型在中长文本生成、剧情逻辑连贯性及文风模仿上的表现;\n2、场景化应用落地:深入理解网文/出版业务流,将大模型能力转化为辅助写作、自动续写、剧情大纲生成、多分支互动小说等具体产品功能,构建从灵感到小说正文的AIGC生产管线;\n3、长文本与一致性控制:攻克长上下文理解与生成的技术难点,利用记忆机制、知识图谱或Agent架构,解决小说创作中人物设定、世界观、剧情伏笔的长期一致性问题;\n4、评估体系与前沿探索:跟进业界最新的LLM架构(如MoE、Attention优化)及Agent技术,通过技术创新提升内容生产效率和质量。\n\n任职要求\n1、计算机、人工智能、数学相关专业;\n2、熟悉大模型的相关基础知识,具备大语言模型相关训练或推理的基础知识;具备通过demo快速验证想法的能力;\n3、熟悉LLM的训练或Fine-tuning的方法,例如SFT/RLHF经验,或熟悉强化学习(RL)概念深入了解DPO、PPO相关算法知识;\n4、扎实的Python或者C++编程功底,了解PyTorch,Tensorflow,Deepspeed,Megatron,vLLM等大模型训练、推理技术栈;\n5、在顶级会议或期刊上发表过有影响力的学术论文或在重要算法比赛中取得过优秀名次的候选人优先;\n6、有大语言模型落地经验者优先,有AIGC文本生成、小说剧情、网文辅助工具开发经验,或对文学创作逻辑有深刻理解的候选人极具竞争力。",
        "requirements_text": "AI应用算法工程师(AIGC方向)-【商业化】\n\n基础信息\n招聘类型:社招\n职位类别:J0011\n工作地点:Beijing\n所属部门:D13110\n发布时间:2026-02-28\n\n岗位职责\n1、大模型研发与微调:负责面向小说创作场景的大语言模型(LLM)SFT及RLHF;针对文学创作特性,优化模型在中长文本生成、剧情逻辑连贯性及文风模仿上的表现;\n2、场景化应用落地:深入理解网文/出版业务流,将大模型能力转化为辅助写作、自动续写、剧情大纲生成、多分支互动小说等具体产品功能,构建从灵感到小说正文的AIGC生产管线;\n3、长文本与一致性控制:攻克长上下文理解与生成的技术难点,利用记忆机制、知识图谱或Agent架构,解决小说创作中人物设定、世界观、剧情伏笔的长期一致性问题;\n4、评估体系与前沿探索:跟进业界最新的LLM架构(如MoE、Attention优化)及Agent技术,通过技术创新提升内容生产效率和质量。\n\n任职要求\n1、计算机、人工智能、数学相关专业;\n2、熟悉大模型的相关基础知识,具备大语言模型相关训练或推理的基础知识;具备通过demo快速验证想法的能力;\n3、熟悉LLM的训练或Fine-tuning的方法,例如SFT/RLHF经验,或熟悉强化学习(RL)概念深入了解DPO、PPO相关算法知识;\n4、扎实的Python或者C++编程功底,了解PyTorch,Tensorflow,Deepspeed,Megatron,vLLM等大模型训练、推理技术栈;\n5、在顶级会议或期刊上发表过有影响力的学术论文或在重要算法比赛中取得过优秀名次的候选人优先;\n6、有大语言模型落地经验者优先,有AIGC文本生成、小说剧情、网文辅助工具开发经验,或对文学创作逻辑有深刻理解的候选人极具竞争力。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "TensorFlow",
            "强化学习",
            "知识图谱",
            "模型训练",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "5、在顶级会议或期刊上发表过有影响力的学术论文或在重要算法比赛中取得过优秀名次的候选人优先;6、有大语言模型落地经验者优先,有AIGC文本生成、小说剧情、网文辅助工具开发经验,或对文学创作逻辑有深刻理解的候选人极具竞争力",
        "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/29483"
            }
        ]
    },
    "posting": {
        "posting_id": "29483",
        "post_date": "2026-02-28",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/29483"
    },
    "fulltext": "AI应用算法工程师(AIGC方向)-【商业化】\nAI应用算法工程师(AIGC方向)-【商业化】\n\n基础信息\n招聘类型:社招\n职位类别:J0011\n工作地点:Beijing\n所属部门:D13110\n发布时间:2026-02-28\n\n岗位职责\n1、大模型研发与微调:负责面向小说创作场景的大语言模型(LLM)SFT及RLHF;针对文学创作特性,优化模型在中长文本生成、剧情逻辑连贯性及文风模仿上的表现;\n2、场景化应用落地:深入理解网文/出版业务流,将大模型能力转化为辅助写作、自动续写、剧情大纲生成、多分支互动小说等具体产品功能,构建从灵感到小说正文的AIGC生产管线;\n3、长文本与一致性控制:攻克长上下文理解与生成的技术难点,利用记忆机制、知识图谱或Agent架构,解决小说创作中人物设定、世界观、剧情伏笔的长期一致性问题;\n4、评估体系与前沿探索:跟进业界最新的LLM架构(如MoE、Attention优化)及Agent技术,通过技术创新提升内容生产效率和质量。\n\n任职要求\n1、计算机、人工智能、数学相关专业;\n2、熟悉大模型的相关基础知识,具备大语言模型相关训练或推理的基础知识;具备通过demo快速验证想法的能力;\n3、熟悉LLM的训练或Fine-tuning的方法,例如SFT/RLHF经验,或熟悉强化学习(RL)概念深入了解DPO、PPO相关算法知识;\n4、扎实的Python或者C++编程功底,了解PyTorch,Tensorflow,Deepspeed,Megatron,vLLM等大模型训练、推理技术栈;\n5、在顶级会议或期刊上发表过有影响力的学术论文或在重要算法比赛中取得过优秀名次的候选人优先;\n6、有大语言模型落地经验者优先,有AIGC文本生成、小说剧情、网文辅助工具开发经验,或对文学创作逻辑有深刻理解的候选人极具竞争力。\nAI应用算法工程师(AIGC方向)-【商业化】\n\n基础信息\n招聘类型:社招\n职位类别:J0011\n工作地点:Beijing\n所属部门:D13110\n发布时间:2026-02-28\n\n岗位职责\n1、大模型研发与微调:负责面向小说创作场景的大语言模型(LLM)SFT及RLHF;针对文学创作特性,优化模型在中长文本生成、剧情逻辑连贯性及文风模仿上的表现;\n2、场景化应用落地:深入理解网文/出版业务流,将大模型能力转化为辅助写作、自动续写、剧情大纲生成、多分支互动小说等具体产品功能,构建从灵感到小说正文的AIGC生产管线;\n3、长文本与一致性控制:攻克长上下文理解与生成的技术难点,利用记忆机制、知识图谱或Agent架构,解决小说创作中人物设定、世界观、剧情伏笔的长期一致性问题;\n4、评估体系与前沿探索:跟进业界最新的LLM架构(如MoE、Attention优化)及Agent技术,通过技术创新提升内容生产效率和质量。\n\n任职要求\n1、计算机、人工智能、数学相关专业;\n2、熟悉大模型的相关基础知识,具备大语言模型相关训练或推理的基础知识;具备通过demo快速验证想法的能力;\n3、熟悉LLM的训练或Fine-tuning的方法,例如SFT/RLHF经验,或熟悉强化学习(RL)概念深入了解DPO、PPO相关算法知识;\n4、扎实的Python或者C++编程功底,了解PyTorch,Tensorflow,Deepspeed,Megatron,vLLM等大模型训练、推理技术栈;\n5、在顶级会议或期刊上发表过有影响力的学术论文或在重要算法比赛中取得过优秀名次的候选人优先;\n6、有大语言模型落地经验者优先,有AIGC文本生成、小说剧情、网文辅助工具开发经验,或对文学创作逻辑有深刻理解的候选人极具竞争力。\nAI应用算法工程师(AIGC方向)-【商业化】\n\n基础信息\n招聘类型:社招\n职位类别:J0011\n工作地点:Beijing\n所属部门:D13110\n发布时间:2026-02-28\n\n岗位职责\n1、大模型研发与微调:负责面向小说创作场景的大语言模型(LLM)SFT及RLHF;针对文学创作特性,优化模型在中长文本生成、剧情逻辑连贯性及文风模仿上的表现;\n2、场景化应用落地:深入理解网文/出版业务流,将大模型能力转化为辅助写作、自动续写、剧情大纲生成、多分支互动小说等具体产品功能,构建从灵感到小说正文的AIGC生产管线;\n3、长文本与一致性控制:攻克长上下文理解与生成的技术难点,利用记忆机制、知识图谱或Agent架构,解决小说创作中人物设定、世界观、剧情伏笔的长期一致性问题;\n4、评估体系与前沿探索:跟进业界最新的LLM架构(如MoE、Attention优化)及Agent技术,通过技术创新提升内容生产效率和质量。\n\n任职要求\n1、计算机、人工智能、数学相关专业;\n2、熟悉大模型的相关基础知识,具备大语言模型相关训练或推理的基础知识;具备通过demo快速验证想法的能力;\n3、熟悉LLM的训练或Fine-tuning的方法,例如SFT/RLHF经验,或熟悉强化学习(RL)概念深入了解DPO、PPO相关算法知识;\n4、扎实的Python或者C++编程功底,了解PyTorch,Tensorflow,Deepspeed,Megatron,vLLM等大模型训练、推理技术栈;\n5、在顶级会议或期刊上发表过有影响力的学术论文或在重要算法比赛中取得过优秀名次的候选人优先;\n6、有大语言模型落地经验者优先,有AIGC文本生成、小说剧情、网文辅助工具开发经验,或对文学创作逻辑有深刻理解的候选人极具竞争力。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}