主分类：AI模型评测工程
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": "大模型视频生成评测实习生-【技术方向】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D13923",
"location": "Beijing",
"work_mode": "未披露",AI生成
"job_category": "J0012"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "大模型视频生成评测实习生-【技术方向】\n\n基础信息\n招聘类型：实习\n职位类别：J0012\n工作地点：Beijing\n所属部门：D13923\n发布时间：2026-07-09\n\n岗位职责\n1、参与视频生成大模型（AIGC Video / Text-to-Video）自动评测体系的研究与建设，探索高效、可靠的视频生成模型评价方法；\n2、复现并分析各类开源视频生成评测指标与Benchmark（如 FVD、CLIP-based metrics、VBench 等），研究其适用范围与局限性；\n3、探索基于 LLM / VLM 的自动评测方法（如 LLM-as-a-Judge、Vision-Language Model-based evaluation），提升自动评测与人工评价的一致性；\n4、参与技术报告或论文撰写，沉淀评测方法与研究成果。\n\n任职要求\n1、本科及以上学历，计算机技术、人工智能、机器学习、数据科学等相关专业优先；\n2、具备扎实的机器学习 / 深度学习基础，对生成模型或多模态模型有一定理解；\n3、对视频生成、AIGC、多模态理解与评测方向有浓厚兴趣；\n4、具备优秀的代码基础，熟练掌握至少一门编程语言：Python（优先）、C/C++、Java；\n5、了解常见 AI 模型与算法基本原理，例如：Transforme、CLIP 、 CNN、GAN 、VAE、Diffusion Models 、DiT等；\n6、熟悉机器学习模型评估方法与指标与模型评测与实验设计方法；\n7、具备良好的数据分析能力与数据化思维，能够基于实验结果进行系统分析并输出结论；\n8、有以下经验之一者优先：\n1）LLM / VLM 相关研究或工程经验；\n2）自动评测 / LLM-as-a-Judge 相关实践；\n3）Benchmark 构建或评测体系设计经验；\n9、加分项：\n1）参与AIGC、大模型相关的项目研发测试经验优先，有竞品大模型评测经验优先（如通义、即梦、混元等）；\n2）有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n3）有训练或微调常见CV、NLP、LLM、MLLM模型经验优先；\n4）有扎实的美术素养、设计经验、视频创作影视导演编导、或者有互联网公司相关经验者优先。",
"requirements_text": "大模型视频生成评测实习生-【技术方向】\n\n基础信息\n招聘类型：实习\n职位类别：J0012\n工作地点：Beijing\n所属部门：D13923\n发布时间：2026-07-09\n\n岗位职责\n1、参与视频生成大模型（AIGC Video / Text-to-Video）自动评测体系的研究与建设，探索高效、可靠的视频生成模型评价方法；\n2、复现并分析各类开源视频生成评测指标与Benchmark（如 FVD、CLIP-based metrics、VBench 等），研究其适用范围与局限性；\n3、探索基于 LLM / VLM 的自动评测方法（如 LLM-as-a-Judge、Vision-Language Model-based evaluation），提升自动评测与人工评价的一致性；\n4、参与技术报告或论文撰写，沉淀评测方法与研究成果。\n\n任职要求\n1、本科及以上学历，计算机技术、人工智能、机器学习、数据科学等相关专业优先；\n2、具备扎实的机器学习 / 深度学习基础，对生成模型或多模态模型有一定理解；\n3、对视频生成、AIGC、多模态理解与评测方向有浓厚兴趣；\n4、具备优秀的代码基础，熟练掌握至少一门编程语言：Python（优先）、C/C++、Java；\n5、了解常见 AI 模型与算法基本原理，例如：Transforme、CLIP 、 CNN、GAN 、VAE、Diffusion Models 、DiT等；\n6、熟悉机器学习模型评估方法与指标与模型评测与实验设计方法；\n7、具备良好的数据分析能力与数据化思维，能够基于实验结果进行系统分析并输出结论；\n8、有以下经验之一者优先：\n1）LLM / VLM 相关研究或工程经验；\n2）自动评测 / LLM-as-a-Judge 相关实践；\n3）Benchmark 构建或评测体系设计经验；\n9、加分项：\n1）参与AIGC、大模型相关的项目研发测试经验优先，有竞品大模型评测经验优先（如通义、即梦、混元等）；\n2）有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n3）有训练或微调常见CV、NLP、LLM、MLLM模型经验优先；\n4）有扎实的美术素养、设计经验、视频创作影视导演编导、或者有互联网公司相关经验者优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"机器学习",
"深度学习",
"自然语言处理",
"数据分析",
"分析能力",
"招聘",
"大语言模型",
"C语言"
],
"preferred_qualifications": "1、本科及以上学历，计算机技术、人工智能、机器学习、数据科学等相关专业优先；4、具备优秀的代码基础，熟练掌握至少一门编程语言：Python（优先）、C/C++、Java；8、有以下经验之一者优先：；9、加分项：；1）参与AIGC、大模型相关的项目研发测试经验优先，有竞品大模型评测经验优先（如通义、即梦、混元等）；2）有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；3）有训练或微调常见CV、NLP、LLM、MLLM模型经验优先；4）有扎实的美术素养、设计经验、视频创作影视导演编导、或者有互联网公司相关经验者优先",
"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/29716"
}
]
},
"posting": {
"posting_id": "29716",
"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/29716"
},
"fulltext": "大模型视频生成评测实习生-【技术方向】\n大模型视频生成评测实习生-【技术方向】\n\n基础信息\n招聘类型：实习\n职位类别：J0012\n工作地点：Beijing\n所属部门：D13923\n发布时间：2026-07-09\n\n岗位职责\n1、参与视频生成大模型（AIGC Video / Text-to-Video）自动评测体系的研究与建设，探索高效、可靠的视频生成模型评价方法；\n2、复现并分析各类开源视频生成评测指标与Benchmark（如 FVD、CLIP-based metrics、VBench 等），研究其适用范围与局限性；\n3、探索基于 LLM / VLM 的自动评测方法（如 LLM-as-a-Judge、Vision-Language Model-based evaluation），提升自动评测与人工评价的一致性；\n4、参与技术报告或论文撰写，沉淀评测方法与研究成果。\n\n任职要求\n1、本科及以上学历，计算机技术、人工智能、机器学习、数据科学等相关专业优先；\n2、具备扎实的机器学习 / 深度学习基础，对生成模型或多模态模型有一定理解；\n3、对视频生成、AIGC、多模态理解与评测方向有浓厚兴趣；\n4、具备优秀的代码基础，熟练掌握至少一门编程语言：Python（优先）、C/C++、Java；\n5、了解常见 AI 模型与算法基本原理，例如：Transforme、CLIP 、 CNN、GAN 、VAE、Diffusion Models 、DiT等；\n6、熟悉机器学习模型评估方法与指标与模型评测与实验设计方法；\n7、具备良好的数据分析能力与数据化思维，能够基于实验结果进行系统分析并输出结论；\n8、有以下经验之一者优先：\n1）LLM / VLM 相关研究或工程经验；\n2）自动评测 / LLM-as-a-Judge 相关实践；\n3）Benchmark 构建或评测体系设计经验；\n9、加分项：\n1）参与AIGC、大模型相关的项目研发测试经验优先，有竞品大模型评测经验优先（如通义、即梦、混元等）；\n2）有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n3）有训练或微调常见CV、NLP、LLM、MLLM模型经验优先；\n4）有扎实的美术素养、设计经验、视频创作影视导演编导、或者有互联网公司相关经验者优先。\n大模型视频生成评测实习生-【技术方向】\n\n基础信息\n招聘类型：实习\n职位类别：J0012\n工作地点：Beijing\n所属部门：D13923\n发布时间：2026-07-09\n\n岗位职责\n1、参与视频生成大模型（AIGC Video / Text-to-Video）自动评测体系的研究与建设，探索高效、可靠的视频生成模型评价方法；\n2、复现并分析各类开源视频生成评测指标与Benchmark（如 FVD、CLIP-based metrics、VBench 等），研究其适用范围与局限性；\n3、探索基于 LLM / VLM 的自动评测方法（如 LLM-as-a-Judge、Vision-Language Model-based evaluation），提升自动评测与人工评价的一致性；\n4、参与技术报告或论文撰写，沉淀评测方法与研究成果。\n\n任职要求\n1、本科及以上学历，计算机技术、人工智能、机器学习、数据科学等相关专业优先；\n2、具备扎实的机器学习 / 深度学习基础，对生成模型或多模态模型有一定理解；\n3、对视频生成、AIGC、多模态理解与评测方向有浓厚兴趣；\n4、具备优秀的代码基础，熟练掌握至少一门编程语言：Python（优先）、C/C++、Java；\n5、了解常见 AI 模型与算法基本原理，例如：Transforme、CLIP 、 CNN、GAN 、VAE、Diffusion Models 、DiT等；\n6、熟悉机器学习模型评估方法与指标与模型评测与实验设计方法；\n7、具备良好的数据分析能力与数据化思维，能够基于实验结果进行系统分析并输出结论；\n8、有以下经验之一者优先：\n1）LLM / VLM 相关研究或工程经验；\n2）自动评测 / LLM-as-a-Judge 相关实践；\n3）Benchmark 构建或评测体系设计经验；\n9、加分项：\n1）参与AIGC、大模型相关的项目研发测试经验优先，有竞品大模型评测经验优先（如通义、即梦、混元等）；\n2）有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n3）有训练或微调常见CV、NLP、LLM、MLLM模型经验优先；\n4）有扎实的美术素养、设计经验、视频创作影视导演编导、或者有互联网公司相关经验者优先。\n大模型视频生成评测实习生-【技术方向】\n\n基础信息\n招聘类型：实习\n职位类别：J0012\n工作地点：Beijing\n所属部门：D13923\n发布时间：2026-07-09\n\n岗位职责\n1、参与视频生成大模型（AIGC Video / Text-to-Video）自动评测体系的研究与建设，探索高效、可靠的视频生成模型评价方法；\n2、复现并分析各类开源视频生成评测指标与Benchmark（如 FVD、CLIP-based metrics、VBench 等），研究其适用范围与局限性；\n3、探索基于 LLM / VLM 的自动评测方法（如 LLM-as-a-Judge、Vision-Language Model-based evaluation），提升自动评测与人工评价的一致性；\n4、参与技术报告或论文撰写，沉淀评测方法与研究成果。\n\n任职要求\n1、本科及以上学历，计算机技术、人工智能、机器学习、数据科学等相关专业优先；\n2、具备扎实的机器学习 / 深度学习基础，对生成模型或多模态模型有一定理解；\n3、对视频生成、AIGC、多模态理解与评测方向有浓厚兴趣；\n4、具备优秀的代码基础，熟练掌握至少一门编程语言：Python（优先）、C/C++、Java；\n5、了解常见 AI 模型与算法基本原理，例如：Transforme、CLIP 、 CNN、GAN 、VAE、Diffusion Models 、DiT等；\n6、熟悉机器学习模型评估方法与指标与模型评测与实验设计方法；\n7、具备良好的数据分析能力与数据化思维，能够基于实验结果进行系统分析并输出结论；\n8、有以下经验之一者优先：\n1）LLM / VLM 相关研究或工程经验；\n2）自动评测 / LLM-as-a-Judge 相关实践；\n3）Benchmark 构建或评测体系设计经验；\n9、加分项：\n1）参与AIGC、大模型相关的项目研发测试经验优先，有竞品大模型评测经验优先（如通义、即梦、混元等）；\n2）有顶会论文、国家或国际奖项、专利获得者、算法竞赛获奖者优先考虑；\n3）有训练或微调常见CV、NLP、LLM、MLLM模型经验优先；\n4）有扎实的美术素养、设计经验、视频创作影视导演编导、或者有互联网公司相关经验者优先。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}