主分类：AI训练数据标注与评测运营
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": "视频模型美学实习生-【可灵AI专项】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D15161",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "视频模型美学实习生-【可灵AI专项】\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：D15161\n发布时间：2026-07-09\n\n岗位职责\n1、负责视频生成模型的影视美学标准建设，搭建涵盖镜头语言、动态表现、叙事节奏、光影氛围、构图调度、表演情绪、风格体系、视听表达等维度的多层级评估体系，输出可复用、可执行的美学规范文档；\n2、主导视频美学数据的设计、筛选与标注，包括偏好对比、质量分级、动态稳定性评估、镜头语言评估、叙事表达诊断等多种数据范式，亲自参与高难度样本判断，把控数据审美上限；\n3、编写视频美学标注手册并培训标注团队，建立一致性校验与审美校准机制，让团队稳定产出符合统一审美标准的数据；\n4、分析模型bad case，从影视导演与动态美学视角拆解“AI 味”“假动作”“镜头失真”“情绪不到位”“叙事不成立”等抽象问题，输出可执行的数据与优化方向；\n5、持续建设影视审美参考库与风格案例库，追踪电影、广告、MV、动画、短剧、纪录片、游戏 CG 等领域的视觉趋势，为模型持续注入新的动态影像审美能力；\n6、参与模型偏好数据等后训练数据建设，从“模型学习有效性”角度反推数据质量标准，推动美学能力与模型生成效果持续提升。\n\n任职要求\n1、教育背景优先视觉传达、数字媒体艺术、影视摄影与制作、导演等相关专业，或具备扎实的影视视觉美学基础，对电影、广告、MV、动画、纪录片、游戏 CG、视觉特效等动态影像内容有较强审美判断能力，有相关作品集或项目经历者优先；\n2、具备较强的影视镜头语言理解能力，熟悉景别、运镜、镜头调度、节奏控制、视角设计、焦段语言、空间关系等影视表达方式，对“为什么这个镜头成立”有系统认知；\n3、有较强的动态美学判断能力，能识别运动合理性、重心惯性、动作连续性、帧间一致性、镜头节奏、角色表演等问题，能判断动态影像是否具备真实可信的影视表达；\n4、熟悉光影与色彩体系，对自然光、人工光、电影灯光设计、氛围塑造、色彩情绪、HDR / SDR 视觉差异等有较强感知能力；\n5、有服化道与场景审美积累，熟悉不同年代、地域、文化背景下的服饰、建筑、道具、环境风格，能判断世界观与画面表达是否统一；\n6、有艺术与影视理论积累，熟悉电影史、摄影史、动画史、广告视觉史中的主要流派与代表作品，对导演风格、摄影风格、时代语境有系统理解；\n7、阅片量大，对电影、剧集、广告、MV、动画等动态内容长期保持关注，对不同国家与文化体系下的影视审美有判断力；\n8、有良好的文字表达与沟通能力，能将主观审美拆解为结构化、可执行的标准，而不是停留在“感觉不对”层面，能与算法、产品、数据团队高效协作推动落地；\n加分项\n1、深度了解某一类动态视觉内容体系，例如电影、广告、二次元动画、游戏CG、K-Pop MV、实验影像、短剧、纪录片、赛博朋克、胶片影像等，对对应圈层的视觉语言与流行趋势有敏锐嗅觉；\n2、有剪辑、调色、分镜、美术、摄影或导演经验，熟悉 PR / 达芬奇 / AE / Nuke / Blender / C4D 等工具，对动态影像节奏与视觉表达有实操能力；\n3、对 AI 视频生成方向有持续关注，了解当前模型在动态、叙事、镜头、物理、表演等维度的典型问题，对模型能力边界有认知；\n4、有 AIGC 数据标注、RLHF 偏好数据、Reward Model、视频评测、后训练数据建设相关经验；\n5、能使用 Python 完成基础的数据抽样、清洗、统计分析，或使用 AI 工具搭建简单自动化流程，提高数据生产效率；\n6、有团队培训、审美带教、评审体系建设经验，能把个人审美体系转化为团队可复制的方法论；\n7、“任职要求”中满足越多条目越好。",
"requirements_text": "视频模型美学实习生-【可灵AI专项】\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：D15161\n发布时间：2026-07-09\n\n岗位职责\n1、负责视频生成模型的影视美学标准建设，搭建涵盖镜头语言、动态表现、叙事节奏、光影氛围、构图调度、表演情绪、风格体系、视听表达等维度的多层级评估体系，输出可复用、可执行的美学规范文档；\n2、主导视频美学数据的设计、筛选与标注，包括偏好对比、质量分级、动态稳定性评估、镜头语言评估、叙事表达诊断等多种数据范式，亲自参与高难度样本判断，把控数据审美上限；\n3、编写视频美学标注手册并培训标注团队，建立一致性校验与审美校准机制，让团队稳定产出符合统一审美标准的数据；\n4、分析模型bad case，从影视导演与动态美学视角拆解“AI 味”“假动作”“镜头失真”“情绪不到位”“叙事不成立”等抽象问题，输出可执行的数据与优化方向；\n5、持续建设影视审美参考库与风格案例库，追踪电影、广告、MV、动画、短剧、纪录片、游戏 CG 等领域的视觉趋势，为模型持续注入新的动态影像审美能力；\n6、参与模型偏好数据等后训练数据建设，从“模型学习有效性”角度反推数据质量标准，推动美学能力与模型生成效果持续提升。\n\n任职要求\n1、教育背景优先视觉传达、数字媒体艺术、影视摄影与制作、导演等相关专业，或具备扎实的影视视觉美学基础，对电影、广告、MV、动画、纪录片、游戏 CG、视觉特效等动态影像内容有较强审美判断能力，有相关作品集或项目经历者优先；\n2、具备较强的影视镜头语言理解能力，熟悉景别、运镜、镜头调度、节奏控制、视角设计、焦段语言、空间关系等影视表达方式，对“为什么这个镜头成立”有系统认知；\n3、有较强的动态美学判断能力，能识别运动合理性、重心惯性、动作连续性、帧间一致性、镜头节奏、角色表演等问题，能判断动态影像是否具备真实可信的影视表达；\n4、熟悉光影与色彩体系，对自然光、人工光、电影灯光设计、氛围塑造、色彩情绪、HDR / SDR 视觉差异等有较强感知能力；\n5、有服化道与场景审美积累，熟悉不同年代、地域、文化背景下的服饰、建筑、道具、环境风格，能判断世界观与画面表达是否统一；\n6、有艺术与影视理论积累，熟悉电影史、摄影史、动画史、广告视觉史中的主要流派与代表作品，对导演风格、摄影风格、时代语境有系统理解；\n7、阅片量大，对电影、剧集、广告、MV、动画等动态内容长期保持关注，对不同国家与文化体系下的影视审美有判断力；\n8、有良好的文字表达与沟通能力，能将主观审美拆解为结构化、可执行的标准，而不是停留在“感觉不对”层面，能与算法、产品、数据团队高效协作推动落地；\n加分项\n1、深度了解某一类动态视觉内容体系，例如电影、广告、二次元动画、游戏CG、K-Pop MV、实验影像、短剧、纪录片、赛博朋克、胶片影像等，对对应圈层的视觉语言与流行趋势有敏锐嗅觉；\n2、有剪辑、调色、分镜、美术、摄影或导演经验，熟悉 PR / 达芬奇 / AE / Nuke / Blender / C4D 等工具，对动态影像节奏与视觉表达有实操能力；\n3、对 AI 视频生成方向有持续关注，了解当前模型在动态、叙事、镜头、物理、表演等维度的典型问题，对模型能力边界有认知；\n4、有 AIGC 数据标注、RLHF 偏好数据、Reward Model、视频评测、后训练数据建设相关经验；\n5、能使用 Python 完成基础的数据抽样、清洗、统计分析，或使用 AI 工具搭建简单自动化流程，提高数据生产效率；\n6、有团队培训、审美带教、评审体系建设经验，能把个人审美体系转化为团队可复制的方法论；\n7、“任职要求”中满足越多条目越好。",
"skills": [AI生成
"Python",
"统计分析",
"数据标注",
"沟通能力",
"摄影",
"动画",
"招聘",
"培训"
],
"preferred_qualifications": "1、教育背景优先视觉传达、数字媒体艺术、影视摄影与制作、导演等相关专业，或具备扎实的影视视觉美学基础，对电影、广告、MV、动画、纪录片、游戏 CG、视觉特效等动态影像内容有较强审美判断能力，有相关作品集或项目经历者优先；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/30880"
}
]
},
"posting": {
"posting_id": "30880",
"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/30880"
},
"fulltext": "视频模型美学实习生-【可灵AI专项】\n视频模型美学实习生-【可灵AI专项】\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：D15161\n发布时间：2026-07-09\n\n岗位职责\n1、负责视频生成模型的影视美学标准建设，搭建涵盖镜头语言、动态表现、叙事节奏、光影氛围、构图调度、表演情绪、风格体系、视听表达等维度的多层级评估体系，输出可复用、可执行的美学规范文档；\n2、主导视频美学数据的设计、筛选与标注，包括偏好对比、质量分级、动态稳定性评估、镜头语言评估、叙事表达诊断等多种数据范式，亲自参与高难度样本判断，把控数据审美上限；\n3、编写视频美学标注手册并培训标注团队，建立一致性校验与审美校准机制，让团队稳定产出符合统一审美标准的数据；\n4、分析模型bad case，从影视导演与动态美学视角拆解“AI 味”“假动作”“镜头失真”“情绪不到位”“叙事不成立”等抽象问题，输出可执行的数据与优化方向；\n5、持续建设影视审美参考库与风格案例库，追踪电影、广告、MV、动画、短剧、纪录片、游戏 CG 等领域的视觉趋势，为模型持续注入新的动态影像审美能力；\n6、参与模型偏好数据等后训练数据建设，从“模型学习有效性”角度反推数据质量标准，推动美学能力与模型生成效果持续提升。\n\n任职要求\n1、教育背景优先视觉传达、数字媒体艺术、影视摄影与制作、导演等相关专业，或具备扎实的影视视觉美学基础，对电影、广告、MV、动画、纪录片、游戏 CG、视觉特效等动态影像内容有较强审美判断能力，有相关作品集或项目经历者优先；\n2、具备较强的影视镜头语言理解能力，熟悉景别、运镜、镜头调度、节奏控制、视角设计、焦段语言、空间关系等影视表达方式，对“为什么这个镜头成立”有系统认知；\n3、有较强的动态美学判断能力，能识别运动合理性、重心惯性、动作连续性、帧间一致性、镜头节奏、角色表演等问题，能判断动态影像是否具备真实可信的影视表达；\n4、熟悉光影与色彩体系，对自然光、人工光、电影灯光设计、氛围塑造、色彩情绪、HDR / SDR 视觉差异等有较强感知能力；\n5、有服化道与场景审美积累，熟悉不同年代、地域、文化背景下的服饰、建筑、道具、环境风格，能判断世界观与画面表达是否统一；\n6、有艺术与影视理论积累，熟悉电影史、摄影史、动画史、广告视觉史中的主要流派与代表作品，对导演风格、摄影风格、时代语境有系统理解；\n7、阅片量大，对电影、剧集、广告、MV、动画等动态内容长期保持关注，对不同国家与文化体系下的影视审美有判断力；\n8、有良好的文字表达与沟通能力，能将主观审美拆解为结构化、可执行的标准，而不是停留在“感觉不对”层面，能与算法、产品、数据团队高效协作推动落地；\n加分项\n1、深度了解某一类动态视觉内容体系，例如电影、广告、二次元动画、游戏CG、K-Pop MV、实验影像、短剧、纪录片、赛博朋克、胶片影像等，对对应圈层的视觉语言与流行趋势有敏锐嗅觉；\n2、有剪辑、调色、分镜、美术、摄影或导演经验，熟悉 PR / 达芬奇 / AE / Nuke / Blender / C4D 等工具，对动态影像节奏与视觉表达有实操能力；\n3、对 AI 视频生成方向有持续关注，了解当前模型在动态、叙事、镜头、物理、表演等维度的典型问题，对模型能力边界有认知；\n4、有 AIGC 数据标注、RLHF 偏好数据、Reward Model、视频评测、后训练数据建设相关经验；\n5、能使用 Python 完成基础的数据抽样、清洗、统计分析，或使用 AI 工具搭建简单自动化流程，提高数据生产效率；\n6、有团队培训、审美带教、评审体系建设经验，能把个人审美体系转化为团队可复制的方法论；\n7、“任职要求”中满足越多条目越好。\n视频模型美学实习生-【可灵AI专项】\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：D15161\n发布时间：2026-07-09\n\n岗位职责\n1、负责视频生成模型的影视美学标准建设，搭建涵盖镜头语言、动态表现、叙事节奏、光影氛围、构图调度、表演情绪、风格体系、视听表达等维度的多层级评估体系，输出可复用、可执行的美学规范文档；\n2、主导视频美学数据的设计、筛选与标注，包括偏好对比、质量分级、动态稳定性评估、镜头语言评估、叙事表达诊断等多种数据范式，亲自参与高难度样本判断，把控数据审美上限；\n3、编写视频美学标注手册并培训标注团队，建立一致性校验与审美校准机制，让团队稳定产出符合统一审美标准的数据；\n4、分析模型bad case，从影视导演与动态美学视角拆解“AI 味”“假动作”“镜头失真”“情绪不到位”“叙事不成立”等抽象问题，输出可执行的数据与优化方向；\n5、持续建设影视审美参考库与风格案例库，追踪电影、广告、MV、动画、短剧、纪录片、游戏 CG 等领域的视觉趋势，为模型持续注入新的动态影像审美能力；\n6、参与模型偏好数据等后训练数据建设，从“模型学习有效性”角度反推数据质量标准，推动美学能力与模型生成效果持续提升。\n\n任职要求\n1、教育背景优先视觉传达、数字媒体艺术、影视摄影与制作、导演等相关专业，或具备扎实的影视视觉美学基础，对电影、广告、MV、动画、纪录片、游戏 CG、视觉特效等动态影像内容有较强审美判断能力，有相关作品集或项目经历者优先；\n2、具备较强的影视镜头语言理解能力，熟悉景别、运镜、镜头调度、节奏控制、视角设计、焦段语言、空间关系等影视表达方式，对“为什么这个镜头成立”有系统认知；\n3、有较强的动态美学判断能力，能识别运动合理性、重心惯性、动作连续性、帧间一致性、镜头节奏、角色表演等问题，能判断动态影像是否具备真实可信的影视表达；\n4、熟悉光影与色彩体系，对自然光、人工光、电影灯光设计、氛围塑造、色彩情绪、HDR / SDR 视觉差异等有较强感知能力；\n5、有服化道与场景审美积累，熟悉不同年代、地域、文化背景下的服饰、建筑、道具、环境风格，能判断世界观与画面表达是否统一；\n6、有艺术与影视理论积累，熟悉电影史、摄影史、动画史、广告视觉史中的主要流派与代表作品，对导演风格、摄影风格、时代语境有系统理解；\n7、阅片量大，对电影、剧集、广告、MV、动画等动态内容长期保持关注，对不同国家与文化体系下的影视审美有判断力；\n8、有良好的文字表达与沟通能力，能将主观审美拆解为结构化、可执行的标准，而不是停留在“感觉不对”层面，能与算法、产品、数据团队高效协作推动落地；\n加分项\n1、深度了解某一类动态视觉内容体系，例如电影、广告、二次元动画、游戏CG、K-Pop MV、实验影像、短剧、纪录片、赛博朋克、胶片影像等，对对应圈层的视觉语言与流行趋势有敏锐嗅觉；\n2、有剪辑、调色、分镜、美术、摄影或导演经验，熟悉 PR / 达芬奇 / AE / Nuke / Blender / C4D 等工具，对动态影像节奏与视觉表达有实操能力；\n3、对 AI 视频生成方向有持续关注，了解当前模型在动态、叙事、镜头、物理、表演等维度的典型问题，对模型能力边界有认知；\n4、有 AIGC 数据标注、RLHF 偏好数据、Reward Model、视频评测、后训练数据建设相关经验；\n5、能使用 Python 完成基础的数据抽样、清洗、统计分析，或使用 AI 工具搭建简单自动化流程，提高数据生产效率；\n6、有团队培训、审美带教、评审体系建设经验，能把个人审美体系转化为团队可复制的方法论；\n7、“任职要求”中满足越多条目越好。\n视频模型美学实习生-【可灵AI专项】\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：D15161\n发布时间：2026-07-09\n\n岗位职责\n1、负责视频生成模型的影视美学标准建设，搭建涵盖镜头语言、动态表现、叙事节奏、光影氛围、构图调度、表演情绪、风格体系、视听表达等维度的多层级评估体系，输出可复用、可执行的美学规范文档；\n2、主导视频美学数据的设计、筛选与标注，包括偏好对比、质量分级、动态稳定性评估、镜头语言评估、叙事表达诊断等多种数据范式，亲自参与高难度样本判断，把控数据审美上限；\n3、编写视频美学标注手册并培训标注团队，建立一致性校验与审美校准机制，让团队稳定产出符合统一审美标准的数据；\n4、分析模型bad case，从影视导演与动态美学视角拆解“AI 味”“假动作”“镜头失真”“情绪不到位”“叙事不成立”等抽象问题，输出可执行的数据与优化方向；\n5、持续建设影视审美参考库与风格案例库，追踪电影、广告、MV、动画、短剧、纪录片、游戏 CG 等领域的视觉趋势，为模型持续注入新的动态影像审美能力；\n6、参与模型偏好数据等后训练数据建设，从“模型学习有效性”角度反推数据质量标准，推动美学能力与模型生成效果持续提升。\n\n任职要求\n1、教育背景优先视觉传达、数字媒体艺术、影视摄影与制作、导演等相关专业，或具备扎实的影视视觉美学基础，对电影、广告、MV、动画、纪录片、游戏 CG、视觉特效等动态影像内容有较强审美判断能力，有相关作品集或项目经历者优先；\n2、具备较强的影视镜头语言理解能力，熟悉景别、运镜、镜头调度、节奏控制、视角设计、焦段语言、空间关系等影视表达方式，对“为什么这个镜头成立”有系统认知；\n3、有较强的动态美学判断能力，能识别运动合理性、重心惯性、动作连续性、帧间一致性、镜头节奏、角色表演等问题，能判断动态影像是否具备真实可信的影视表达；\n4、熟悉光影与色彩体系，对自然光、人工光、电影灯光设计、氛围塑造、色彩情绪、HDR / SDR 视觉差异等有较强感知能力；\n5、有服化道与场景审美积累，熟悉不同年代、地域、文化背景下的服饰、建筑、道具、环境风格，能判断世界观与画面表达是否统一；\n6、有艺术与影视理论积累，熟悉电影史、摄影史、动画史、广告视觉史中的主要流派与代表作品，对导演风格、摄影风格、时代语境有系统理解；\n7、阅片量大，对电影、剧集、广告、MV、动画等动态内容长期保持关注，对不同国家与文化体系下的影视审美有判断力；\n8、有良好的文字表达与沟通能力，能将主观审美拆解为结构化、可执行的标准，而不是停留在“感觉不对”层面，能与算法、产品、数据团队高效协作推动落地；\n加分项\n1、深度了解某一类动态视觉内容体系，例如电影、广告、二次元动画、游戏CG、K-Pop MV、实验影像、短剧、纪录片、赛博朋克、胶片影像等，对对应圈层的视觉语言与流行趋势有敏锐嗅觉；\n2、有剪辑、调色、分镜、美术、摄影或导演经验，熟悉 PR / 达芬奇 / AE / Nuke / Blender / C4D 等工具，对动态影像节奏与视觉表达有实操能力；\n3、对 AI 视频生成方向有持续关注，了解当前模型在动态、叙事、镜头、物理、表演等维度的典型问题，对模型能力边界有认知；\n4、有 AIGC 数据标注、RLHF 偏好数据、Reward Model、视频评测、后训练数据建设相关经验；\n5、能使用 Python 完成基础的数据抽样、清洗、统计分析，或使用 AI 工具搭建简单自动化流程，提高数据生产效率；\n6、有团队培训、审美带教、评审体系建设经验，能把个人审美体系转化为团队可复制的方法论；\n7、“任职要求”中满足越多条目越好。",
"standard_classification": {
"std_category_code": "B010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}