主分类：计算机视觉与图像感知算法研发
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": "视频理解算法实习生-【可灵AI专项】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D15389",
"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": "计算机、人工智能、软件工程、自动化、电子信息等相关专业在读本科、硕士或博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "视频理解算法实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、视频理解数据与算法建设：参与视频多模态大模型相关的数据建设与算法优化，围绕视频内容理解、时序事件识别、动作/场景/人物关系建模、视频字幕与语音信息融合等任务，协助构建高质量视频理解数据集，为 Keye 视频基础能力及下游业务效果提升提供数据与算法支撑；\n2、视频 Agent 能力建设：围绕视频场景下的智能 Agent 能力，参与复杂视频任务的拆解与数据构建，包括视频问答、长视频推理、多轮交互、工具调用、视频内容检索、视频剪辑规划、视频分析报告生成等方向，探索如何让模型基于视频内容进行更准确的理解、规划与决策；\n3、视频数据 Pipeline 与评测体系建设：参与视频数据的采集、筛选、标注、质检、清洗与评估流程建设，协助优化视频理解任务中的数据标准与评测方法，针对真实业务反馈，分析模型在时间理解、因果推理、细粒度视觉识别、音画对齐、多模态语义一致性等方面的问题，推动数据驱动的模型迭代；\n4、前沿技术调研与实验复现：跟踪视频理解、多模态大模型、Video Agent、Video2Code、视频长上下文建模等方向的前沿论文和开源项目，参与技术调研、实验复现、Benchmark 构建与效果分析，将前沿方法应用到实际业务问题中。\n\n任职要求\n1、计算机、人工智能、软件工程、自动化、电子信息等相关专业在读本科、硕士或博士，具备计算机视觉、自然语言处理、多模态学习、视频理解等相关经验者优先；\n2、熟悉深度学习基础，了解 Transformer、多模态大模型、视觉语言模型、视频理解模型等相关技术，对视频分类、视频问答、时序定位、动作识别、OCR、ASR、视觉内容理解、RAG 或 Agent 方向有实践经验者优先；\n3、熟练使用 Python，熟悉 PyTorch 或其他深度学习框架，具备良好的代码实现与调试能力，了解数据处理、模型训练、推理部署、API 调用、Prompt 构建、自动化评测等流程者优先；\n4、具备较强的数据敏感度，能够从模型 badcase、业务反馈或评测结果中分析问题，设计数据改进方案，熟悉大规模数据处理、视频数据清洗、标注规范设计、质量评估或可视化分析工具者优先。\n加分项，有以下经验者优先：\n1、视频理解、多模态大模型、Agent、Video2Code 相关论文复现或项目经验；\n2、参与过高质量开源项目、顶会论文、竞赛获奖或实习项目；\n3、熟悉 FFmpeg、OpenCV、Whisper、OCR、向量检索、vLLM、TensorRT 等工具或框架。",
"requirements_text": "视频理解算法实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、视频理解数据与算法建设：参与视频多模态大模型相关的数据建设与算法优化，围绕视频内容理解、时序事件识别、动作/场景/人物关系建模、视频字幕与语音信息融合等任务，协助构建高质量视频理解数据集，为 Keye 视频基础能力及下游业务效果提升提供数据与算法支撑；\n2、视频 Agent 能力建设：围绕视频场景下的智能 Agent 能力，参与复杂视频任务的拆解与数据构建，包括视频问答、长视频推理、多轮交互、工具调用、视频内容检索、视频剪辑规划、视频分析报告生成等方向，探索如何让模型基于视频内容进行更准确的理解、规划与决策；\n3、视频数据 Pipeline 与评测体系建设：参与视频数据的采集、筛选、标注、质检、清洗与评估流程建设，协助优化视频理解任务中的数据标准与评测方法，针对真实业务反馈，分析模型在时间理解、因果推理、细粒度视觉识别、音画对齐、多模态语义一致性等方面的问题，推动数据驱动的模型迭代；\n4、前沿技术调研与实验复现：跟踪视频理解、多模态大模型、Video Agent、Video2Code、视频长上下文建模等方向的前沿论文和开源项目，参与技术调研、实验复现、Benchmark 构建与效果分析，将前沿方法应用到实际业务问题中。\n\n任职要求\n1、计算机、人工智能、软件工程、自动化、电子信息等相关专业在读本科、硕士或博士，具备计算机视觉、自然语言处理、多模态学习、视频理解等相关经验者优先；\n2、熟悉深度学习基础，了解 Transformer、多模态大模型、视觉语言模型、视频理解模型等相关技术，对视频分类、视频问答、时序定位、动作识别、OCR、ASR、视觉内容理解、RAG 或 Agent 方向有实践经验者优先；\n3、熟练使用 Python，熟悉 PyTorch 或其他深度学习框架，具备良好的代码实现与调试能力，了解数据处理、模型训练、推理部署、API 调用、Prompt 构建、自动化评测等流程者优先；\n4、具备较强的数据敏感度，能够从模型 badcase、业务反馈或评测结果中分析问题，设计数据改进方案，熟悉大规模数据处理、视频数据清洗、标注规范设计、质量评估或可视化分析工具者优先。\n加分项，有以下经验者优先：\n1、视频理解、多模态大模型、Agent、Video2Code 相关论文复现或项目经验；\n2、参与过高质量开源项目、顶会论文、竞赛获奖或实习项目；\n3、熟悉 FFmpeg、OpenCV、Whisper、OCR、向量检索、vLLM、TensorRT 等工具或框架。",
"skills": [AI生成
"Python",
"PyTorch",
"深度学习",
"自然语言处理",
"计算机视觉",
"数据清洗",
"模型训练",
"视频剪辑",
"建模",
"招聘",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "1、计算机、人工智能、软件工程、自动化、电子信息等相关专业在读本科、硕士或博士，具备计算机视觉、自然语言处理、多模态学习、视频理解等相关经验者优先；2、熟悉深度学习基础，了解 Transformer、多模态大模型、视觉语言模型、视频理解模型等相关技术，对视频分类、视频问答、时序定位、动作识别、OCR、ASR、视觉内容理解、RAG 或 Agent 方向有实践经验者优先；3、熟练使用 Python，熟悉 PyTorch 或其他深度学习框架，具备良好的代码实现与调试能力，了解数据处理、模型训练、推理部署、API 调用、Prompt 构建、自动化评测等流程者优先；4、具备较强的数据敏感度，能够从模型 badcase、业务反馈或评测结果中分析问题，设计数据改进方案，熟悉大规模数据处理、视频数据清洗、标注规范设计、质量评估或可视化分析工具者优先；加分项，有以下经验者优先：",
"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/32338"
}
]
},
"posting": {
"posting_id": "32338",
"post_date": "2026-08-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/32338"
},
"fulltext": "视频理解算法实习生-【可灵AI专项】\n视频理解算法实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、视频理解数据与算法建设：参与视频多模态大模型相关的数据建设与算法优化，围绕视频内容理解、时序事件识别、动作/场景/人物关系建模、视频字幕与语音信息融合等任务，协助构建高质量视频理解数据集，为 Keye 视频基础能力及下游业务效果提升提供数据与算法支撑；\n2、视频 Agent 能力建设：围绕视频场景下的智能 Agent 能力，参与复杂视频任务的拆解与数据构建，包括视频问答、长视频推理、多轮交互、工具调用、视频内容检索、视频剪辑规划、视频分析报告生成等方向，探索如何让模型基于视频内容进行更准确的理解、规划与决策；\n3、视频数据 Pipeline 与评测体系建设：参与视频数据的采集、筛选、标注、质检、清洗与评估流程建设，协助优化视频理解任务中的数据标准与评测方法，针对真实业务反馈，分析模型在时间理解、因果推理、细粒度视觉识别、音画对齐、多模态语义一致性等方面的问题，推动数据驱动的模型迭代；\n4、前沿技术调研与实验复现：跟踪视频理解、多模态大模型、Video Agent、Video2Code、视频长上下文建模等方向的前沿论文和开源项目，参与技术调研、实验复现、Benchmark 构建与效果分析，将前沿方法应用到实际业务问题中。\n\n任职要求\n1、计算机、人工智能、软件工程、自动化、电子信息等相关专业在读本科、硕士或博士，具备计算机视觉、自然语言处理、多模态学习、视频理解等相关经验者优先；\n2、熟悉深度学习基础，了解 Transformer、多模态大模型、视觉语言模型、视频理解模型等相关技术，对视频分类、视频问答、时序定位、动作识别、OCR、ASR、视觉内容理解、RAG 或 Agent 方向有实践经验者优先；\n3、熟练使用 Python，熟悉 PyTorch 或其他深度学习框架，具备良好的代码实现与调试能力，了解数据处理、模型训练、推理部署、API 调用、Prompt 构建、自动化评测等流程者优先；\n4、具备较强的数据敏感度，能够从模型 badcase、业务反馈或评测结果中分析问题，设计数据改进方案，熟悉大规模数据处理、视频数据清洗、标注规范设计、质量评估或可视化分析工具者优先。\n加分项，有以下经验者优先：\n1、视频理解、多模态大模型、Agent、Video2Code 相关论文复现或项目经验；\n2、参与过高质量开源项目、顶会论文、竞赛获奖或实习项目；\n3、熟悉 FFmpeg、OpenCV、Whisper、OCR、向量检索、vLLM、TensorRT 等工具或框架。\n视频理解算法实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、视频理解数据与算法建设：参与视频多模态大模型相关的数据建设与算法优化，围绕视频内容理解、时序事件识别、动作/场景/人物关系建模、视频字幕与语音信息融合等任务，协助构建高质量视频理解数据集，为 Keye 视频基础能力及下游业务效果提升提供数据与算法支撑；\n2、视频 Agent 能力建设：围绕视频场景下的智能 Agent 能力，参与复杂视频任务的拆解与数据构建，包括视频问答、长视频推理、多轮交互、工具调用、视频内容检索、视频剪辑规划、视频分析报告生成等方向，探索如何让模型基于视频内容进行更准确的理解、规划与决策；\n3、视频数据 Pipeline 与评测体系建设：参与视频数据的采集、筛选、标注、质检、清洗与评估流程建设，协助优化视频理解任务中的数据标准与评测方法，针对真实业务反馈，分析模型在时间理解、因果推理、细粒度视觉识别、音画对齐、多模态语义一致性等方面的问题，推动数据驱动的模型迭代；\n4、前沿技术调研与实验复现：跟踪视频理解、多模态大模型、Video Agent、Video2Code、视频长上下文建模等方向的前沿论文和开源项目，参与技术调研、实验复现、Benchmark 构建与效果分析，将前沿方法应用到实际业务问题中。\n\n任职要求\n1、计算机、人工智能、软件工程、自动化、电子信息等相关专业在读本科、硕士或博士，具备计算机视觉、自然语言处理、多模态学习、视频理解等相关经验者优先；\n2、熟悉深度学习基础，了解 Transformer、多模态大模型、视觉语言模型、视频理解模型等相关技术，对视频分类、视频问答、时序定位、动作识别、OCR、ASR、视觉内容理解、RAG 或 Agent 方向有实践经验者优先；\n3、熟练使用 Python，熟悉 PyTorch 或其他深度学习框架，具备良好的代码实现与调试能力，了解数据处理、模型训练、推理部署、API 调用、Prompt 构建、自动化评测等流程者优先；\n4、具备较强的数据敏感度，能够从模型 badcase、业务反馈或评测结果中分析问题，设计数据改进方案，熟悉大规模数据处理、视频数据清洗、标注规范设计、质量评估或可视化分析工具者优先。\n加分项，有以下经验者优先：\n1、视频理解、多模态大模型、Agent、Video2Code 相关论文复现或项目经验；\n2、参与过高质量开源项目、顶会论文、竞赛获奖或实习项目；\n3、熟悉 FFmpeg、OpenCV、Whisper、OCR、向量检索、vLLM、TensorRT 等工具或框架。\n视频理解算法实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、视频理解数据与算法建设：参与视频多模态大模型相关的数据建设与算法优化，围绕视频内容理解、时序事件识别、动作/场景/人物关系建模、视频字幕与语音信息融合等任务，协助构建高质量视频理解数据集，为 Keye 视频基础能力及下游业务效果提升提供数据与算法支撑；\n2、视频 Agent 能力建设：围绕视频场景下的智能 Agent 能力，参与复杂视频任务的拆解与数据构建，包括视频问答、长视频推理、多轮交互、工具调用、视频内容检索、视频剪辑规划、视频分析报告生成等方向，探索如何让模型基于视频内容进行更准确的理解、规划与决策；\n3、视频数据 Pipeline 与评测体系建设：参与视频数据的采集、筛选、标注、质检、清洗与评估流程建设，协助优化视频理解任务中的数据标准与评测方法，针对真实业务反馈，分析模型在时间理解、因果推理、细粒度视觉识别、音画对齐、多模态语义一致性等方面的问题，推动数据驱动的模型迭代；\n4、前沿技术调研与实验复现：跟踪视频理解、多模态大模型、Video Agent、Video2Code、视频长上下文建模等方向的前沿论文和开源项目，参与技术调研、实验复现、Benchmark 构建与效果分析，将前沿方法应用到实际业务问题中。\n\n任职要求\n1、计算机、人工智能、软件工程、自动化、电子信息等相关专业在读本科、硕士或博士，具备计算机视觉、自然语言处理、多模态学习、视频理解等相关经验者优先；\n2、熟悉深度学习基础，了解 Transformer、多模态大模型、视觉语言模型、视频理解模型等相关技术，对视频分类、视频问答、时序定位、动作识别、OCR、ASR、视觉内容理解、RAG 或 Agent 方向有实践经验者优先；\n3、熟练使用 Python，熟悉 PyTorch 或其他深度学习框架，具备良好的代码实现与调试能力，了解数据处理、模型训练、推理部署、API 调用、Prompt 构建、自动化评测等流程者优先；\n4、具备较强的数据敏感度，能够从模型 badcase、业务反馈或评测结果中分析问题，设计数据改进方案，熟悉大规模数据处理、视频数据清洗、标注规范设计、质量评估或可视化分析工具者优先。\n加分项，有以下经验者优先：\n1、视频理解、多模态大模型、Agent、Video2Code 相关论文复现或项目经验；\n2、参与过高质量开源项目、顶会论文、竞赛获奖或实习项目；\n3、熟悉 FFmpeg、OpenCV、Whisper、OCR、向量检索、vLLM、TensorRT 等工具或框架。",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}