主分类：AI训练推理与计算优化
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": "大模型压缩加速算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "D0000",
"location": "北京 / 上海",
"work_mode": "未披露",AI生成
"job_category": "J1001"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": "大模型压缩加速算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1001\n工作地点：北京 / 上海\n所属部门：D0000\n发布时间：2025-07-11\n\n岗位职责\n1、为实现类Sora模型实时化无损生成研究可行方案, 包括但不限于步数蒸馏，efficiency-attention计算，cache-reuse策略，QAT训练等；\n2、为LLM/MLLM的高效推理探索前沿解决方案, 包括但不限于efficiency architecture,sparseattention,fp8/4-tuning,data/model distillation,speculativedecoding等；\n3、在指导下参与视频生成大模型/多模态大模型的全链路探索。\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、算法基础扎实，具有 LLM、扩散模型等生成式模型的研究或使用经验；\n3、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。\n加分项：\n1、有顶会论文发表经验（CV/NLP顶会，ICLR/ICML/NIPS均可）优先；\n2、了解强化学习优先。",
"requirements_text": "大模型压缩加速算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1001\n工作地点：北京 / 上海\n所属部门：D0000\n发布时间：2025-07-11\n\n岗位职责\n1、为实现类Sora模型实时化无损生成研究可行方案, 包括但不限于步数蒸馏，efficiency-attention计算，cache-reuse策略，QAT训练等；\n2、为LLM/MLLM的高效推理探索前沿解决方案, 包括但不限于efficiency architecture,sparseattention,fp8/4-tuning,data/model distillation,speculativedecoding等；\n3、在指导下参与视频生成大模型/多模态大模型的全链路探索。\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、算法基础扎实，具有 LLM、扩散模型等生成式模型的研究或使用经验；\n3、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。\n加分项：\n1、有顶会论文发表经验（CV/NLP顶会，ICLR/ICML/NIPS均可）优先；\n2、了解强化学习优先。",
"skills": [AI生成
"强化学习",
"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；加分项：；1、有顶会论文发表经验（CV/NLP顶会，ICLR/ICML/NIPS均可）优先；2、了解强化学习优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/9970?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "9970",
"post_date": "2025-07-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/9970?recruitSubProjectCodes="
},
"fulltext": "大模型压缩加速算法工程师\n大模型压缩加速算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1001\n工作地点：北京 / 上海\n所属部门：D0000\n发布时间：2025-07-11\n\n岗位职责\n1、为实现类Sora模型实时化无损生成研究可行方案, 包括但不限于步数蒸馏，efficiency-attention计算，cache-reuse策略，QAT训练等；\n2、为LLM/MLLM的高效推理探索前沿解决方案, 包括但不限于efficiency architecture,sparseattention,fp8/4-tuning,data/model distillation,speculativedecoding等；\n3、在指导下参与视频生成大模型/多模态大模型的全链路探索。\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、算法基础扎实，具有 LLM、扩散模型等生成式模型的研究或使用经验；\n3、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。\n加分项：\n1、有顶会论文发表经验（CV/NLP顶会，ICLR/ICML/NIPS均可）优先；\n2、了解强化学习优先。\n大模型压缩加速算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1001\n工作地点：北京 / 上海\n所属部门：D0000\n发布时间：2025-07-11\n\n岗位职责\n1、为实现类Sora模型实时化无损生成研究可行方案, 包括但不限于步数蒸馏，efficiency-attention计算，cache-reuse策略，QAT训练等；\n2、为LLM/MLLM的高效推理探索前沿解决方案, 包括但不限于efficiency architecture,sparseattention,fp8/4-tuning,data/model distillation,speculativedecoding等；\n3、在指导下参与视频生成大模型/多模态大模型的全链路探索。\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、算法基础扎实，具有 LLM、扩散模型等生成式模型的研究或使用经验；\n3、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。\n加分项：\n1、有顶会论文发表经验（CV/NLP顶会，ICLR/ICML/NIPS均可）优先；\n2、了解强化学习优先。\n大模型压缩加速算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1001\n工作地点：北京 / 上海\n所属部门：D0000\n发布时间：2025-07-11\n\n岗位职责\n1、为实现类Sora模型实时化无损生成研究可行方案, 包括但不限于步数蒸馏，efficiency-attention计算，cache-reuse策略，QAT训练等；\n2、为LLM/MLLM的高效推理探索前沿解决方案, 包括但不限于efficiency architecture,sparseattention,fp8/4-tuning,data/model distillation,speculativedecoding等；\n3、在指导下参与视频生成大模型/多模态大模型的全链路探索。\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、算法基础扎实，具有 LLM、扩散模型等生成式模型的研究或使用经验；\n3、有较强的自驱力和学习力，对生成式模型有强烈的兴趣。\n加分项：\n1、有顶会论文发表经验（CV/NLP顶会，ICLR/ICML/NIPS均可）优先；\n2、了解强化学习优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}