主分类：AI应用开发（非Agent）
辅助：计算机视觉与图像感知算法研发（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": "大模型应用开发实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D6549",
"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": "计算机或相关专业博士或硕士在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "大模型应用开发实习生\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：D6549\n发布时间：2026-09-14\n\n岗位职责\n1、多模态模型能力建设：参与视频消费场景下文本、多模态相关模型能力建设，包括但不限于基于开源/自研基座模型的多模态内容理解、品牌识别、视频内容理解、关键信息抽取、实体识别、文本分类、知识图谱构建等；\n2、前沿技术探索与业务落地：参与构建业内领先的内容安全、内容理解识别方法，探索多模态理解、RAG、Agent、模型蒸馏、Token 压缩、模型量化/加速等前沿技术，并完整落地到视频播放业务场景中，负责从模型训练、评估、部署到线上服务的全链路闭环；\n3、全栈工程化与部署：参与内容理解能力的全栈工程化落地，涵盖模型轻量化（蒸馏/剪枝/量化）与推理加速、后端服务化封装与接口开发、前端可视化/标注/效果验证工具搭建、离线批量打标管线与在线/准实时推理服务部署**，支撑亿级数据规模、日均百万级视频的稳定、高效、低成本产出；\n4、数据驱动的体验优化：在亿级数据规模下，探索内容理解信号用于改善视频观看用户体验、提升转化与留存等核心业务指标，通过 A/B 实验完成信号从建模到业务收益的验证与迭代；\n5、善用 AI 提效：积极运用 AI 编程工具（如 Copilot、Cursor 及各类 Agent/大模型编码助手）提升开发、调试与部署效率，快速完成从原型到上线的端到端交付。\n\n任职要求\n1、计算机或相关专业博士或硕士在读，一周至少实习 4 天，可实习 3 个月及以上；\n2、扎实的算法基础：熟悉常用机器学习与深度学习算法，熟悉主流 LLM/VLM 结构（LLaMA/DeepSeek/Qwen/MoE 系列等），熟悉常见 PEFT 技巧/RAG/Agent 等大模型应用，熟悉常见数据清洗/CoT 构建/数据蒸馏等方法，熟悉常见强化学习算法（PPO/DPO/GRPO 等）。具备以上一项/多项基础并有一定实践经验；\n3、较强的编码与工程能力：具备优秀的编码能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等至少一种主流深度学习框架；\n4、具备全栈开发与部署基础：了解前后端开发与部署基本原理——后端熟悉至少一种服务框架（如 Flask/FastAPI/gRPC 等）、了解容器化（Docker/K8s）与接口设计；前端了解基本的 Web 开发（如 HTML/JS 或 React/Vue 等）能搭建简单的可视化/工具页面；有模型服务化上线或前后端部署实践经验者优先；\n5、善用 AI 工具提效：熟悉并善于使用 AI 编程助手（Copilot/Cursor 等）高效完成编码、调试与部署；\n6、具备应用落地意识：注重技术的业务价值，能将模型能力转化为可上线、可规模化、有实际业务收益的方案；具备优秀的学习能力和良好的沟通合作精神。",
"requirements_text": "大模型应用开发实习生\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：D6549\n发布时间：2026-09-14\n\n岗位职责\n1、多模态模型能力建设：参与视频消费场景下文本、多模态相关模型能力建设，包括但不限于基于开源/自研基座模型的多模态内容理解、品牌识别、视频内容理解、关键信息抽取、实体识别、文本分类、知识图谱构建等；\n2、前沿技术探索与业务落地：参与构建业内领先的内容安全、内容理解识别方法，探索多模态理解、RAG、Agent、模型蒸馏、Token 压缩、模型量化/加速等前沿技术，并完整落地到视频播放业务场景中，负责从模型训练、评估、部署到线上服务的全链路闭环；\n3、全栈工程化与部署：参与内容理解能力的全栈工程化落地，涵盖模型轻量化（蒸馏/剪枝/量化）与推理加速、后端服务化封装与接口开发、前端可视化/标注/效果验证工具搭建、离线批量打标管线与在线/准实时推理服务部署**，支撑亿级数据规模、日均百万级视频的稳定、高效、低成本产出；\n4、数据驱动的体验优化：在亿级数据规模下，探索内容理解信号用于改善视频观看用户体验、提升转化与留存等核心业务指标，通过 A/B 实验完成信号从建模到业务收益的验证与迭代；\n5、善用 AI 提效：积极运用 AI 编程工具（如 Copilot、Cursor 及各类 Agent/大模型编码助手）提升开发、调试与部署效率，快速完成从原型到上线的端到端交付。\n\n任职要求\n1、计算机或相关专业博士或硕士在读，一周至少实习 4 天，可实习 3 个月及以上；\n2、扎实的算法基础：熟悉常用机器学习与深度学习算法，熟悉主流 LLM/VLM 结构（LLaMA/DeepSeek/Qwen/MoE 系列等），熟悉常见 PEFT 技巧/RAG/Agent 等大模型应用，熟悉常见数据清洗/CoT 构建/数据蒸馏等方法，熟悉常见强化学习算法（PPO/DPO/GRPO 等）。具备以上一项/多项基础并有一定实践经验；\n3、较强的编码与工程能力：具备优秀的编码能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等至少一种主流深度学习框架；\n4、具备全栈开发与部署基础：了解前后端开发与部署基本原理——后端熟悉至少一种服务框架（如 Flask/FastAPI/gRPC 等）、了解容器化（Docker/K8s）与接口设计；前端了解基本的 Web 开发（如 HTML/JS 或 React/Vue 等）能搭建简单的可视化/工具页面；有模型服务化上线或前后端部署实践经验者优先；\n5、善用 AI 工具提效：熟悉并善于使用 AI 编程助手（Copilot/Cursor 等）高效完成编码、调试与部署；\n6、具备应用落地意识：注重技术的业务价值，能将模型能力转化为可上线、可规模化、有实际业务收益的方案；具备优秀的学习能力和良好的沟通合作精神。",
"skills": [AI生成
"Python",
"Docker",
"PyTorch",
"TensorFlow",
"React",
"Vue",
"FastAPI",
"机器学习",
"深度学习",
"强化学习",
"数据清洗",
"知识图谱",
"模型训练",
"接口设计",
"学习能力",
"建模",
"招聘",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "有模型服务化上线或前后端部署实践经验者优先",
"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/32570"
}
]
},
"posting": {
"posting_id": "32570",
"post_date": "2026-09-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/32570"
},
"fulltext": "大模型应用开发实习生\n大模型应用开发实习生\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：D6549\n发布时间：2026-09-14\n\n岗位职责\n1、多模态模型能力建设：参与视频消费场景下文本、多模态相关模型能力建设，包括但不限于基于开源/自研基座模型的多模态内容理解、品牌识别、视频内容理解、关键信息抽取、实体识别、文本分类、知识图谱构建等；\n2、前沿技术探索与业务落地：参与构建业内领先的内容安全、内容理解识别方法，探索多模态理解、RAG、Agent、模型蒸馏、Token 压缩、模型量化/加速等前沿技术，并完整落地到视频播放业务场景中，负责从模型训练、评估、部署到线上服务的全链路闭环；\n3、全栈工程化与部署：参与内容理解能力的全栈工程化落地，涵盖模型轻量化（蒸馏/剪枝/量化）与推理加速、后端服务化封装与接口开发、前端可视化/标注/效果验证工具搭建、离线批量打标管线与在线/准实时推理服务部署**，支撑亿级数据规模、日均百万级视频的稳定、高效、低成本产出；\n4、数据驱动的体验优化：在亿级数据规模下，探索内容理解信号用于改善视频观看用户体验、提升转化与留存等核心业务指标，通过 A/B 实验完成信号从建模到业务收益的验证与迭代；\n5、善用 AI 提效：积极运用 AI 编程工具（如 Copilot、Cursor 及各类 Agent/大模型编码助手）提升开发、调试与部署效率，快速完成从原型到上线的端到端交付。\n\n任职要求\n1、计算机或相关专业博士或硕士在读，一周至少实习 4 天，可实习 3 个月及以上；\n2、扎实的算法基础：熟悉常用机器学习与深度学习算法，熟悉主流 LLM/VLM 结构（LLaMA/DeepSeek/Qwen/MoE 系列等），熟悉常见 PEFT 技巧/RAG/Agent 等大模型应用，熟悉常见数据清洗/CoT 构建/数据蒸馏等方法，熟悉常见强化学习算法（PPO/DPO/GRPO 等）。具备以上一项/多项基础并有一定实践经验；\n3、较强的编码与工程能力：具备优秀的编码能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等至少一种主流深度学习框架；\n4、具备全栈开发与部署基础：了解前后端开发与部署基本原理——后端熟悉至少一种服务框架（如 Flask/FastAPI/gRPC 等）、了解容器化（Docker/K8s）与接口设计；前端了解基本的 Web 开发（如 HTML/JS 或 React/Vue 等）能搭建简单的可视化/工具页面；有模型服务化上线或前后端部署实践经验者优先；\n5、善用 AI 工具提效：熟悉并善于使用 AI 编程助手（Copilot/Cursor 等）高效完成编码、调试与部署；\n6、具备应用落地意识：注重技术的业务价值，能将模型能力转化为可上线、可规模化、有实际业务收益的方案；具备优秀的学习能力和良好的沟通合作精神。\n大模型应用开发实习生\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：D6549\n发布时间：2026-09-14\n\n岗位职责\n1、多模态模型能力建设：参与视频消费场景下文本、多模态相关模型能力建设，包括但不限于基于开源/自研基座模型的多模态内容理解、品牌识别、视频内容理解、关键信息抽取、实体识别、文本分类、知识图谱构建等；\n2、前沿技术探索与业务落地：参与构建业内领先的内容安全、内容理解识别方法，探索多模态理解、RAG、Agent、模型蒸馏、Token 压缩、模型量化/加速等前沿技术，并完整落地到视频播放业务场景中，负责从模型训练、评估、部署到线上服务的全链路闭环；\n3、全栈工程化与部署：参与内容理解能力的全栈工程化落地，涵盖模型轻量化（蒸馏/剪枝/量化）与推理加速、后端服务化封装与接口开发、前端可视化/标注/效果验证工具搭建、离线批量打标管线与在线/准实时推理服务部署**，支撑亿级数据规模、日均百万级视频的稳定、高效、低成本产出；\n4、数据驱动的体验优化：在亿级数据规模下，探索内容理解信号用于改善视频观看用户体验、提升转化与留存等核心业务指标，通过 A/B 实验完成信号从建模到业务收益的验证与迭代；\n5、善用 AI 提效：积极运用 AI 编程工具（如 Copilot、Cursor 及各类 Agent/大模型编码助手）提升开发、调试与部署效率，快速完成从原型到上线的端到端交付。\n\n任职要求\n1、计算机或相关专业博士或硕士在读，一周至少实习 4 天，可实习 3 个月及以上；\n2、扎实的算法基础：熟悉常用机器学习与深度学习算法，熟悉主流 LLM/VLM 结构（LLaMA/DeepSeek/Qwen/MoE 系列等），熟悉常见 PEFT 技巧/RAG/Agent 等大模型应用，熟悉常见数据清洗/CoT 构建/数据蒸馏等方法，熟悉常见强化学习算法（PPO/DPO/GRPO 等）。具备以上一项/多项基础并有一定实践经验；\n3、较强的编码与工程能力：具备优秀的编码能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等至少一种主流深度学习框架；\n4、具备全栈开发与部署基础：了解前后端开发与部署基本原理——后端熟悉至少一种服务框架（如 Flask/FastAPI/gRPC 等）、了解容器化（Docker/K8s）与接口设计；前端了解基本的 Web 开发（如 HTML/JS 或 React/Vue 等）能搭建简单的可视化/工具页面；有模型服务化上线或前后端部署实践经验者优先；\n5、善用 AI 工具提效：熟悉并善于使用 AI 编程助手（Copilot/Cursor 等）高效完成编码、调试与部署；\n6、具备应用落地意识：注重技术的业务价值，能将模型能力转化为可上线、可规模化、有实际业务收益的方案；具备优秀的学习能力和良好的沟通合作精神。\n大模型应用开发实习生\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：D6549\n发布时间：2026-09-14\n\n岗位职责\n1、多模态模型能力建设：参与视频消费场景下文本、多模态相关模型能力建设，包括但不限于基于开源/自研基座模型的多模态内容理解、品牌识别、视频内容理解、关键信息抽取、实体识别、文本分类、知识图谱构建等；\n2、前沿技术探索与业务落地：参与构建业内领先的内容安全、内容理解识别方法，探索多模态理解、RAG、Agent、模型蒸馏、Token 压缩、模型量化/加速等前沿技术，并完整落地到视频播放业务场景中，负责从模型训练、评估、部署到线上服务的全链路闭环；\n3、全栈工程化与部署：参与内容理解能力的全栈工程化落地，涵盖模型轻量化（蒸馏/剪枝/量化）与推理加速、后端服务化封装与接口开发、前端可视化/标注/效果验证工具搭建、离线批量打标管线与在线/准实时推理服务部署**，支撑亿级数据规模、日均百万级视频的稳定、高效、低成本产出；\n4、数据驱动的体验优化：在亿级数据规模下，探索内容理解信号用于改善视频观看用户体验、提升转化与留存等核心业务指标，通过 A/B 实验完成信号从建模到业务收益的验证与迭代；\n5、善用 AI 提效：积极运用 AI 编程工具（如 Copilot、Cursor 及各类 Agent/大模型编码助手）提升开发、调试与部署效率，快速完成从原型到上线的端到端交付。\n\n任职要求\n1、计算机或相关专业博士或硕士在读，一周至少实习 4 天，可实习 3 个月及以上；\n2、扎实的算法基础：熟悉常用机器学习与深度学习算法，熟悉主流 LLM/VLM 结构（LLaMA/DeepSeek/Qwen/MoE 系列等），熟悉常见 PEFT 技巧/RAG/Agent 等大模型应用，熟悉常见数据清洗/CoT 构建/数据蒸馏等方法，熟悉常见强化学习算法（PPO/DPO/GRPO 等）。具备以上一项/多项基础并有一定实践经验；\n3、较强的编码与工程能力：具备优秀的编码能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等至少一种主流深度学习框架；\n4、具备全栈开发与部署基础：了解前后端开发与部署基本原理——后端熟悉至少一种服务框架（如 Flask/FastAPI/gRPC 等）、了解容器化（Docker/K8s）与接口设计；前端了解基本的 Web 开发（如 HTML/JS 或 React/Vue 等）能搭建简单的可视化/工具页面；有模型服务化上线或前后端部署实践经验者优先；\n5、善用 AI 工具提效：熟悉并善于使用 AI 编程助手（Copilot/Cursor 等）高效完成编码、调试与部署；\n6、具备应用落地意识：注重技术的业务价值，能将模型能力转化为可上线、可规模化、有实际业务收益的方案；具备优秀的学习能力和良好的沟通合作精神。",
"standard_classification": {
"std_category_code": "T008",
"std_aux_codes": [
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}