快手
大模型应用开发实习生
大模型应用开发实习生
发布于 8 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Llm
Peft
Pytorch
Rag
Tensorflow
Vlm
值不值得投
71综合评分
综合评分 71
大厂实习，前沿技术栈，成长快，但工作强度可能较高。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
8千
与人工智能中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2550 个在招 · 其中人工智能 44 个
市场机会
选择面较广
北京 · 人工智能 · 约 570 个在招
职位详情
关于这个职位
作为快手大模型应用开发实习生，你将参与多模态模型能力建设，探索RAG、Agent等前沿技术，并负责从模型训练到部署的全链路工程化落地，支撑亿级视频数据场景，提升用户体验与业务指标
最低要求
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
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
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
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
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
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
工作职责
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
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
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
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
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
AI 洞察
优缺点分析
优点
- 接触前沿技术（多模态、RAG、Agent），技术成长快
- 业务场景真实，数据规模大，能积累大规模工程化经验
- 公司平台大，资源丰富，有转正机会
- 工作强度可能较大，需要适应快节奏的互联网环境
- 适合对多模态大模型应用有浓厚兴趣，具备较强算法和工程能力，希望在实践中快速成长的计算机相关专业硕士或博士生
缺点 / 挑战
- 实习要求高，需要同时具备算法和工程能力，学习压力大
- 涉及全栈开发，对非全栈背景的实习生有一定挑战
角色解读
- 实习期间可深入大模型应用开发领域，积累从模型训练到部署的实战经验
- 表现优秀者有机会转正，成为快手AI团队的核心成员
- 未来可向大模型算法专家或全栈工程师方向发展，参与更核心的业务
- 参与多模态模型能力建设，包括内容理解、品牌识别、关键信息抽取等，并构建知识图谱
- 探索并落地RAG、Agent、模型蒸馏、量化加速等前沿技术，负责从训练到部署的全链路
- 进行全栈工程化开发，包括模型轻量化、后端服务化、前端工具搭建和推理服务部署
- 利用A/B实验验证内容理解信号对用户体验和业务指标的影响
- 扎实的机器学习与深度学习基础，熟悉主流LLM/VLM结构（如LLaMA、DeepSeek、Qwen）
- 熟练掌握Python，熟悉PyTorch或TensorFlow等深度学习框架
- 具备全栈开发基础，了解后端框架（Flask/FastAPI/gRPC）、容器化（Docker/K8s）和前端基础
- 熟悉AI编程工具（Copilot/Cursor）提升开发效率
申请策略
- 关注快手AI技术动态，了解其在视频内容理解方面的业务
- 准备项目案例，展示从模型到业务落地的完整思路
- 突出大模型相关项目经验，如微调、RAG、Agent等
- 强调Python编程能力和深度学习框架的使用经验
- 展示全栈开发能力，包括后端框架、容器化、前端基础
- 提及使用AI编程工具的经验，体现效率意识
- 提前熟悉主流LLM/VLM结构和PEFT技术，动手实践微调
- 学习Docker和Kubernetes，掌握模型服务化部署
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目经验
- 对于技术问题，先阐述原理，再结合实践案例说明
- 强调业务价值，说明技术如何落地并产生收益
- 请介绍你参与过的大模型相关项目，具体负责哪些部分？
- 如何选择适合的PEFT方法进行模型微调？
- 描述一次你使用RAG或Agent解决实际问题的经历
- 如何将模型部署到线上服务？请谈谈你了解的部署流程
- 你如何看待AI编程工具在开发中的作用？
职位点评
薪资福利60
成长发展90
工作生活50
使命价值70
薪资福利
60中等
实习薪资未明确，但作为大厂实习岗位，通常提供有竞争力的津贴，且可能包含福利。
薪资信号未披露（AI估算：6千–1万/月）
成长发展
90较高
职位涉及前沿技术（多模态、RAG、Agent），提供从训练到部署的全链路实践，成长空间大。
技术前沿前沿/新兴技术
技术栈多模态、RAG、Agent、模型蒸馏、量化、PEFT、LLM、VLM
业务类型ambiguous
工作生活
50较低
工作地点在北京，需现场办公，未提及弹性工作，实习强度可能较大。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
职位通过内容理解技术改善用户体验，具有一定的社会价值，但主要服务于商业目标。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs