快手
大模型Agent算法工程师-【短视频推荐方向】
大模型Agent算法工程师-【短视频推荐方向】
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ai Agent
Pytorch
多模态
大语言模型 (Llm)
强化学习
推荐系统
值不值得投
82综合评分
综合评分 82
前沿AI技术、巨头平台资源、高成长空间，但工作强度与生活平衡需进一步确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.5万
与AI算法中位数基本持平
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 2840 个在招
市场机会
选择面较广
北京 · AI算法 · 91 个在招
职位详情
关于这个职位
负责短视频推荐场景下的大模型Agent能力建设，探索LLM在推荐系统中的新范式
结合多模态大模型与推荐系统，构建具备自主规划、工具调用等能力的智能推荐Agent，优化核心业务指标并推动技术落地
最低要求
计算机、人工智能、机器学习、数学、统计学等相关专业，具备扎实的数据结构、算法及机器学习基础
熟悉 Python、C++ 等至少一种编程语言，具备优秀的工程实现能力，熟悉 Linux 开发环境
熟悉 Transformer、大语言模型、多模态大模型等相关技术，理解 Prompt Engineering、Agent、RAG、Function Calling、Memory、Tool Use 等主流 Agent 技术体系，并具备实际项目经验者优先
熟悉推荐算法、搜索、广告、内容理解、NLP、CV、强化学习等方向之一，具有大规模推荐系统或互联网 AI 产品实践经验者优先
熟悉 PyTorch、TensorFlow 等深度学习框架，具备模型训练、推理优化及大规模分布式训练经验者优先
具备优秀的问题分析能力和创新能力，能够快速阅读论文、复现前沿工作，并结合业务场景完成创新和落地
对 AI Agent、Reasoning、AIGC、世界模型、多 Agent 系统等前沿方向保持持续关注，具有较强的技术热情和探索精神
在 ICML、NeurIPS、ICLR、KDD、WWW、WSDM、ACL、EMNLP、CVPR、ECCV、ICCV、RecSys 等国际会议发表论文者优先
工作职责
负责面向短视频推荐场景的大模型 Agent 能力建设，探索 LLM 在推荐系统中的新范式，打造具备自主规划（Planning）、工具调用（Tool Use）、长短期记忆（Memory）、多 Agent 协同（Multi-Agent）等能力的智能推荐 Agent
结合大语言模型、多模态大模型及推荐系统，构建内容理解、用户理解、策略生成、创作者服务等 Agent 能力，提升推荐效果、用户体验及内容生态质量，实现用户、创作者与平台的长期共赢
探索 Agent 在推荐全链路中的应用，包括但不限于内容消费、内容生产、创作者成长、策略优化、实验分析、算法研发辅助等方向，推动推荐系统从传统模型驱动向 Agent 驱动演进
基于海量用户行为、多模态内容及知识数据，探索 LLM、VLM 与推荐模型的融合方案，包括 Representation Learning、Reward Modeling、Agent RL等方向，持续优化推荐核心指标（时长、留存、互动、VV、满意度等）
跟踪 Agent、LLM、Reasoning、世界模型（World Model）、强化学习等前沿技术发展，结合业务场景快速完成技术验证并推动落地
AI 洞察
优缺点分析
优点
- 处于行业技术最前沿，直接参与LLM+推荐这一热门方向的创新
- 拥有亿级用户的海量数据和算力资源，便于技术验证与迭代
- 平台影响力大，成果易于转化为行业标杆案例，提升个人职业竞争力
- 业务场景复杂，需平衡技术创新与核心指标（如留存、时长）的提升
- 适合具备深厚AI理论基础、热衷于前沿技术探索、且有扎实工程落地能力的算法工程师
缺点 / 挑战
- 技术迭代极快，需持续追踪并复现最新论文，学习压力大
- 竞争激烈，对学历背景和顶会论文有较高偏好
角色解读
- 成为AI Agent与推荐系统交叉领域的专家，引领技术范式变革
- 向高级算法专家或技术负责人发展，主导复杂系统的架构设计与落地
- 拓展至更广泛的AI应用层，如AIGC、智能助手等前沿方向
- 研究并将大模型Agent技术应用于短视频推荐场景，解决传统推荐系统的瓶颈
- 构建具备规划、记忆、工具调用等能力的智能体，优化内容理解与用户匹配
- 探索LLM与推荐模型的深度融合，如奖励建模和多智能体协同，提升核心业务指标
- 扎实的机器学习与数据结构基础，精通Python/C++及Linux开发
- 深入理解Transformer、LLM、多模态技术及Agent核心概念（RAG、Tool Use等）
- 熟悉推荐算法体系及深度学习框架（PyTorch），具备大规模分布式训练经验
申请策略
- 关注快手近期在AI领域的最新布局与技术博客，了解其具体痛点
- 准备针对“Agent如何优化推荐”的具体技术思路，面试中展现深度思考
- 突出LLM、Agent或多模态相关的项目经验，强调技术难点与解决方案
- 展示在推荐系统、NLP或CV领域的深度实践，特别是大规模数据处理经验
- 列出相关的顶会论文或开源贡献，证明学术研究与工程落地的双重能力
- 深入掌握Prompt Engineering、RAG、Function Calling等Agent核心技术栈
- 加强强化学习（RLHF/RLAIF）在推荐系统中的应用知识储备
- 提升大规模分布式训练与模型推理优化的工程实践能力
面试指南
- STAR法则：清晰描述背景、任务、行动与结果，重点突出技术决策过程
- 对比分析：阐述不同技术方案（如传统模型vs大模型）的优劣及适用场景
- 数据驱动：用具体指标（如AUC、CTR提升）证明技术落地的有效性
- 请详细介绍一个你参与的LLM或Agent项目，你在其中的角色及技术选型理由
- 如何将大模型的能力（如规划、记忆）有效地融入现有的推荐系统中？
- 面对海量用户行为数据，如何进行高效的特征工程与模型训练？
- 你对当前AI Agent在推荐领域的应用有哪些看法和挑战？
- 复习Transformer架构细节及LLM微调、推理优化相关知识
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
作为已上市的巨头企业，提供具有市场竞争力的薪酬福利，但JD未明确具体薪资范围，整体补偿性动机满足度较高。
薪资信号未披露（AI估算：3.0千–6.0万/月）
成长发展
95较高
职位聚焦于AI Agent与大模型的前沿探索，提供丰富的真实业务场景和充足的算力资源，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Multi-Agent、RAG、Transformer、PyTorch、强化学习
成长机会技术成长空间广阔、推动科研成果快速转化为业务价值
业务类型profit_center
工作生活
60中等
JD未提及弹性工作或远程办公选项，互联网大厂核心研发岗通常面临一定的工作强度，WLB信号不明确。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
致力于通过技术创新提升用户体验和内容生态质量，推动行业技术进步，具有较高的社会价值和使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号实现用户、创作者与平台的长期共赢、提升推荐效果、用户体验及内容生态质量
创新程度开拓性创新（行业首创）
快手 的其他在招职位
相似职位推荐
资深算法工程师（内容/挖掘方向）
网易 · 杭州市
AI 估算 · 4.0–7.0万1 小时前发布
外卖-高级软件开发工程师
美团 · 成都市
AI 估算 · 2.5–4.5万1 小时前发布
高级算法工程师
京东 · 北京市
AI 估算 · 6.0–10.0万1 小时前发布
Industrial Engineering ES
德科斯米尔 · 沈阳市
AI 估算 · 2.0–3.5万1 小时前发布
CTO-算法实习生（MJ020742）
滴滴出行 · 北京市
AI 估算 · 4.3–6.5千1 小时前发布
千问Qwen基础大模型训练调度与框架协同优化-阿里星
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万2 小时前发布
日常实习生-业务技术-AI应用算法工程师
阿里巴巴 · 杭州市
AI 估算 · 0.3–0.4千2 小时前发布
阿里云智能-AI基础软件高级技术专家-北京/上海/杭州
阿里巴巴 · 杭州市
AI 估算 · 6.0–10.0万2 小时前发布
Watch Jobs