快手
多模态大模型预训练算法专家（Keye）-【可灵AI专项】
多模态大模型预训练算法专家（Keye）-【可灵AI专项】
发布于 大约 18 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Caption
Gpu集群训练
Moe架构
Ocr
Scaling Laws
多模态大模型
数据合成
预训练
值不值得投
76综合评分
综合评分 76
前沿多模态AI专家岗，技术成长空间大，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
48K
比机器学习工程中位数低
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 2190 个在招 · 其中机器学习工程 15 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 430 个在招
职位详情
关于这个职位
作为快手可灵AI专项的多模态大模型预训练算法专家，你将主导Keye多模态基座模型的研发，设计万亿级参数架构并优化稀疏注意力机制，提升模型在图文音视频统一编码和高阶能力（如工具调用、长程推理）方面的性能，同时负责超大规模GPU集群训练稳定性和数据合成管线搭建，推动商业化落地
最低要求
专业背景：硕士及以上学历，具备极客精神与极强的底层工程实现能力
核心经验：在大规模预训练、模型对齐、强化学习、RAG、Agent、对话系统、大模型底层架构等至少一个方向有深厚的项目实战经验和技术洞察力
工作职责
多模态基座模型研发与架构突破：主导Keye多模态大模型预训练算法研发，构建具有全球竞争力的可商用基座模型，重点开展稀疏注意力机制优化、万亿级参数多模态MoE架构设计及图文/音视频统一编码方案设计，赋予模型多模态工具调用、长程推理等高阶能力
超大规模集群训练与极致稳定：搭建跨模态表征学习与深层语义对齐体系，研发超长上下文（Ultra-long Context）模型能力，在底层架构层面保障超大规模GPU集群训练的绝对稳定性、收敛效率与吞吐量，为商业化Token服务夯实最坚固的算力底座
数据合成与Scaling规律探索：设计并落地高质量多模态预训练数据合成管线，完成大规模混合模态数据构建，研究模型自我迭代优化路径，探索并外推多模态Scaling Laws，专项推进高精度OCR、Caption、Grounding等核心感知能力研发
技术演进与商业生态建设：针对企业级应用中的模型幻觉、模态错位、复杂场景泛化弱等痛点开展专项攻关，制定模型长期迭代方案，联动各团队完成调优与评测体系搭建，持续提升基座模型的通用性与鲁棒性，推进开源生态布局与行业影响力建设
优先资格
加分项（Highly Preferred）：1、在NOI、ACM-ICPC等国内外知名算法竞赛中取得优异成绩
主导或作为主力核心参与过具有行业影响力的大模型项目
在NeurIPS、ICLR、ICML、ACL等人工智能顶级会议或期刊发表过高质量研究论文
AI 洞察
优缺点分析
优点
- 参与前沿多模态AI研发，技术含量高，有望产出行业影响力成果
- 大公司平台资源丰富，商业化路径清晰，有利于职业发展
- 涉及从算法到落地的全流程，技能积累全面
- 技术难度极高，需持续跟踪学术前沿并解决复杂工程问题
- 行业竞争激烈，对算法性能和商业化效果要求严格
- 适合具备扎实AI算法背景、喜欢技术攻坚、追求技术深度和行业影响力的专家型求职者
缺点 / 挑战
- 项目涉及跨团队协作和大规模集群运维，协调压力较大
角色解读
- 成为AI多模态领域技术专家，引领模型架构和训练方法创新
- 向技术管理或首席科学家方向发展，负责团队或研究方向
- 通过开源生态和行业影响力，推动AI技术在实际场景中的广泛应用
- 主导多模态大模型的预训练算法研发，设计万亿级参数MoE架构和稀疏注意力机制
- 优化超大规模GPU集群训练的稳定性、收敛效率和吞吐量，支撑商业化Token服务
- 构建高质量多模态数据合成管线，探索Scaling Laws并提升OCR、Caption等感知能力
- 针对企业级应用中的模型幻觉、模态错位等问题进行技术攻关，推动开源生态和行业影响力建设
- 深厚的大规模预训练和模型对齐项目经验，掌握强化学习、RAG、Agent等技术
- 精通多模态模型架构设计，如MoE、稀疏注意力机制和统一编码方案
- 熟练进行GPU集群训练优化，保障超长上下文模型能力和训练稳定性
- 具备数据合成、Scaling规律研究和OCR、Grounding等感知能力研发经验
申请策略
- 研究快手可灵AI专项的技术方向和业务需求，展示对应用场景的理解
- 准备技术深度分享，如对模型幻觉、模态对齐等问题的解决方案
- 突出多模态模型预训练项目经验，特别是架构设计和训练优化成果
- 展示大规模集群训练、数据合成或Scaling Laws相关的量化案例
- 列出顶会论文、算法竞赛成绩或行业影响力项目参与经历
- 深入学习多模态模型架构如MoE、稀疏注意力机制的最新研究
- 掌握分布式训练框架（如PyTorch Distributed）和超长上下文模型技术
- 关注Scaling Laws和多模态数据合成的前沿方法
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答技术问题，强调量化成果
- 结合具体项目经验，展示对多模态模型和训练优化的深度思考
- 阐述技术决策的权衡和创新点，体现问题解决能力
- 你在多模态预训练中遇到过哪些关键挑战，是如何解决的？
- 如何设计超大规模GPU集群训练以保证稳定性和收敛效率？
- 请介绍你对多模态Scaling Laws的理解和实践经验
- 如何针对企业级应用优化模型以减少幻觉和模态错位？
- 你如何构建数据合成管线并提升OCR、Caption等感知能力？
职位点评
薪资福利80
成长发展95
工作生活40
使命价值85
薪资福利
80较高
薪资基于专家级岗位和北京市场具有竞争力，但JD未明确披露具体数字和福利。
薪资信号市场水准 (35K-60K/月)
成长发展
95较高
该职位涉及前沿多模态AI技术，提供深度技能成长、架构创新和行业影响力建设机会。
技术前沿前沿/新兴技术
技术栈多模态大模型、预训练、稀疏注意力机制、MoE架构、GPU集群训练、Scaling Laws、OCR、Caption、Grounding
业务类型profit_center
工作生活
40较低
工作模式未明确提及，可能需现场办公，WLB信号不足，高强度工作可能性存在。
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
85较高
AI领域高速增长，职位旨在推动技术商业化和生态建设，具有较高社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs