快手
生成式推荐算法工程师
生成式推荐算法工程师
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Llm
多模态
大模型
强化学习
推理优化
推荐系统
生成式推荐
高效训练
值不值得投
74综合评分
综合评分 74
前沿算法岗位，技术成长空间大，薪资有竞争力，但WLB可能一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
30K
比算法优化工程师中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1970 个在招
市场机会
选择面较广
北京 · 算法优化工程师 · 约 150 个在招
职位详情
关于这个职位
该职位负责应用大模型技术优化快手亿级用户视频推荐系统，提升用户停留时长、点击率等核心业务指标
参与生成式推荐模型的研究与架构重构，推动范式在多场景规模化落地
涉及模型扩展、强化学习偏好对齐等前沿技术方向，对算法创新有很高要求
最低要求
对AI技术具备强烈热情，认同技术驱动业务与社会价值提升
高度关注推荐大模型/大语言模型技术前沿，对行业动态有持续追踪和理解
在推荐系统、计算广告、信息检索、NLP、LLM、强化学习、多模态、高效训练/推理等至少一个领域具备扎实技术积累与业务落地经验
工作职责
应用大模型技术优化亿级用户视频推荐系统，显著提升用户停留时长、点击率、留存率等核心业务指标
基于生成式推荐模型重构推荐系统架构与底层逻辑，推动生成式推荐范式在多种业务场景中的规模化落地
持续提升生成式推荐模型性能，涵盖生成式推荐模型扩展（Scaling）、强化学习偏好对齐、大语言模型知识融入与推荐系统协同等关键方向
AI 洞察
优缺点分析
优点
- 位于AI前沿领域（生成式推荐），技能积累有长期价值
- 公司平台大，资源丰富，有利于个人品牌建设
- 技术更新快，需不断学习前沿知识（如大模型、强化学习）
- 团队协作要求高，需与工程、产品等多角色配合
- 适合对AI技术有强烈热情、喜欢解决复杂算法问题、追求技术成长的求职者
缺点 / 挑战
- 接触亿级用户规模系统，技术挑战大，成长快
- 业务指标压力大，需持续优化算法性能
角色解读
- 可向算法专家或技术负责人方向发展，深耕生成式推荐领域
- 有机会参与前沿项目，积累AI大模型全栈经验
- 在头部公司平台，可能晋升至高级算法工程师或团队管理岗
- 应用大模型技术优化短视频推荐系统，提升用户指标
- 基于生成式模型重构推荐架构，推动技术规模化落地
- 研究模型扩展、强化学习对齐等前沿方向，保持技术领先
- 扎实的推荐系统或相关领域（如NLP、LLM）技术积累
- 熟悉大模型技术，包括生成式推荐、强化学习等
- 具备业务落地经验，能将算法应用于实际产品提升指标
申请策略
- 研究快手业务与推荐系统案例，在面试中展示针对性思考
- 关注行业动态（如生成式AI趋势），准备技术深度讨论
- 突出推荐系统、大模型或相关领域的项目经验与成果
- 量化业务指标提升（如点击率、留存率），体现落地能力
- 展示对生成式推荐、LLM等前沿技术的了解与实践
- 深入学习大模型技术（如LLM、生成式推荐）的最新进展
- 加强强化学习、多模态等关联技能的实践经验
面试指南
- 使用STAR法则（情境-任务-行动-结果）描述项目经验
- 结合技术原理与业务场景，分点阐述解决方案
- 强调数据驱动思维和指标优化的量化结果
- 如何应用大模型优化推荐系统？请举例说明
- 生成式推荐模型与传统推荐模型有何区别？挑战是什么？
- 在推荐系统中，如何平衡模型性能与业务指标？
- 复习推荐系统核心算法（如协同过滤、深度学习）与生成式模型原理
- 准备一个完整项目案例，涵盖问题分析、技术选型、落地效果
职位点评
薪资福利80
成长发展85
工作生活50
使命价值70
薪资福利
80较高
该职位在上市企业中提供市场有竞争力的薪资与福利，补偿性动机满足较好。
薪资信号偏高 (20K-40K/月)
成长发展
85较高
技术前沿且涉及大模型等新兴领域，技能成长空间大，但JD未明确提及培训或晋升路径。
技术前沿前沿/新兴技术
技术栈大模型、LLM、强化学习、多模态
业务类型profit_center
工作生活
50较低
JD未提及办公模式或WLB相关信号，无法判断工作灵活性，可能需现场办公。
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
AI技术驱动业务增长，行业前景好，但JD未明确社会价值或使命导向。
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
快手 的其他在招职位
相似职位推荐
Watch Jobs