主分类：AI训练推理与计算优化
辅助：大模型与生成式算法研发（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": "模型优化算法工程师-【可灵AI专项】",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "D11722",
"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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "模型优化算法工程师-【可灵AI专项】\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：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、负责可灵系列视频生成大模型的实时化需求, 包括研发落地各种前沿的步数蒸馏算法, 探索实时流式生成算法方案；\n2、负责生成大模型的高效Attention 研发, 包括 Sparse / Linear Attention 的训练以及蒸馏Full-Attention；\n3、负责少步数视频生成大模型的极致效果优化, 包括探索在少步数设置下的强化微调和对抗微调, 进一步提升模型生成效果。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化、电子等专业优先；\n2、掌握扩散模型原理和压缩加速手段(如: 步数蒸馏，包括CM / Score-Distillation ), 具备公式推导和证明能力, 有过相关的研究经历和实践经验者优化；\n3、有过使用 DPO / LoRA 等技术对模型进行轻量微调者优先；\n4、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、精通PyTorch, 熟练大模型并行框架的使用(如: DeepSpeed / Megatron)；\n6、精通Python, 掌握Triton和C++, 了解CUDA或有实践经验者优先。",
"requirements_text": "模型优化算法工程师-【可灵AI专项】\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：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、负责可灵系列视频生成大模型的实时化需求, 包括研发落地各种前沿的步数蒸馏算法, 探索实时流式生成算法方案；\n2、负责生成大模型的高效Attention 研发, 包括 Sparse / Linear Attention 的训练以及蒸馏Full-Attention；\n3、负责少步数视频生成大模型的极致效果优化, 包括探索在少步数设置下的强化微调和对抗微调, 进一步提升模型生成效果。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化、电子等专业优先；\n2、掌握扩散模型原理和压缩加速手段(如: 步数蒸馏，包括CM / Score-Distillation ), 具备公式推导和证明能力, 有过相关的研究经历和实践经验者优化；\n3、有过使用 DPO / LoRA 等技术对模型进行轻量微调者优先；\n4、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、精通PyTorch, 熟练大模型并行框架的使用(如: DeepSpeed / Megatron)；\n6、精通Python, 掌握Triton和C++, 了解CUDA或有实践经验者优先。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA",
"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、电子等专业优先；3、有过使用 DPO / LoRA 等技术对模型进行轻量微调者优先；6、精通Python, 掌握Triton和C++, 了解CUDA或有实践经验者优先",
"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/29606"
}
]
},
"posting": {
"posting_id": "29606",
"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/29606"
},
"fulltext": "模型优化算法工程师-【可灵AI专项】\n模型优化算法工程师-【可灵AI专项】\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：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、负责可灵系列视频生成大模型的实时化需求, 包括研发落地各种前沿的步数蒸馏算法, 探索实时流式生成算法方案；\n2、负责生成大模型的高效Attention 研发, 包括 Sparse / Linear Attention 的训练以及蒸馏Full-Attention；\n3、负责少步数视频生成大模型的极致效果优化, 包括探索在少步数设置下的强化微调和对抗微调, 进一步提升模型生成效果。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化、电子等专业优先；\n2、掌握扩散模型原理和压缩加速手段(如: 步数蒸馏，包括CM / Score-Distillation ), 具备公式推导和证明能力, 有过相关的研究经历和实践经验者优化；\n3、有过使用 DPO / LoRA 等技术对模型进行轻量微调者优先；\n4、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、精通PyTorch, 熟练大模型并行框架的使用(如: DeepSpeed / Megatron)；\n6、精通Python, 掌握Triton和C++, 了解CUDA或有实践经验者优先。\n模型优化算法工程师-【可灵AI专项】\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：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、负责可灵系列视频生成大模型的实时化需求, 包括研发落地各种前沿的步数蒸馏算法, 探索实时流式生成算法方案；\n2、负责生成大模型的高效Attention 研发, 包括 Sparse / Linear Attention 的训练以及蒸馏Full-Attention；\n3、负责少步数视频生成大模型的极致效果优化, 包括探索在少步数设置下的强化微调和对抗微调, 进一步提升模型生成效果。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化、电子等专业优先；\n2、掌握扩散模型原理和压缩加速手段(如: 步数蒸馏，包括CM / Score-Distillation ), 具备公式推导和证明能力, 有过相关的研究经历和实践经验者优化；\n3、有过使用 DPO / LoRA 等技术对模型进行轻量微调者优先；\n4、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、精通PyTorch, 熟练大模型并行框架的使用(如: DeepSpeed / Megatron)；\n6、精通Python, 掌握Triton和C++, 了解CUDA或有实践经验者优先。\n模型优化算法工程师-【可灵AI专项】\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：D11722\n发布时间：2026-07-09\n\n岗位职责\n1、负责可灵系列视频生成大模型的实时化需求, 包括研发落地各种前沿的步数蒸馏算法, 探索实时流式生成算法方案；\n2、负责生成大模型的高效Attention 研发, 包括 Sparse / Linear Attention 的训练以及蒸馏Full-Attention；\n3、负责少步数视频生成大模型的极致效果优化, 包括探索在少步数设置下的强化微调和对抗微调, 进一步提升模型生成效果。\n\n任职要求\n1、硕士及以上学历，数学、计算机、自动化、电子等专业优先；\n2、掌握扩散模型原理和压缩加速手段(如: 步数蒸馏，包括CM / Score-Distillation ), 具备公式推导和证明能力, 有过相关的研究经历和实践经验者优化；\n3、有过使用 DPO / LoRA 等技术对模型进行轻量微调者优先；\n4、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、精通PyTorch, 熟练大模型并行框架的使用(如: DeepSpeed / Megatron)；\n6、精通Python, 掌握Triton和C++, 了解CUDA或有实践经验者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}