快手
网络传输策略推荐算法工程师
网络传输策略推荐算法工程师
发布于 2 小时前普通员工/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
Ai For Network
Qos/Qoe优化
Quic
Rtmp
Webrtc
大模型
强化学习
拥塞控制
流媒体传输
值不值得投
78综合评分
综合评分 78
核心业务线算法岗、技术前沿且壁垒高、成长空间大，但工作节奏与WLB需具体确认。
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
5万
比算法优化工程师中位数高
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 2920 个在招 · 其中算法优化工程师 17 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 330 个在招
职位详情
关于这个职位
作为快手核心传输团队的算法工程师，你将负责点播、直播、RTC等场景下的QoS/QoE及成本优化，并探索AI for network技术赋能网络传输
你需要结合深度学习、强化学习等方法优化网络预测与测量模型，并参与新一代传输标准的设计，为用户提供极致的播放体验
最低要求
硕士及以上学历，计算机、通信等相关专业
具备较强的学习能力，沟通能力与团队协作能力，具备较强的工程实现能力和问题分析能力，善于将复杂问题进行拆解并逐步推进
熟悉常见的流媒体传输算法与开源库/协议，如RTMP/HTTP-FLV/DASH/HLS/WebRTC/QUIC等网络传输协议
工作职责
面向国内/海外全场景流媒体传输业务，负责点播、直播、RTC等传输场景下的QoS/QoE/成本优化工作，包括但不限于多码率算法、流控算法、拥塞控制算法等
AI for network， 基于深度学习、强化学习和大模型的方法，赋能网络优化，参与下一代网络预测、测量模型的优化及落地
面向不同业务/人群/视频内容，分析用户对清晰度/卡顿/延迟的偏好程度，合理建模用户的QoE，指导传输算法决策，为用户提供极致的播放体验
针对直播/点播/RTC场景，参与新一代传输标准的设计与优化工作，包括但不限于应用层/传输层算法设计，协议架构设计，协议字段设计等等，为行业提供统一，标准的多媒体服务
优先资格
对AI for network有一定了解者优先，如Remy/Orca等
对推荐系统/因果建模/纠偏分析有一定了解优先，如DML/后门调整等
在相关会议如SIGCOMM、NSDI、CoNext，INFOCOM等发表过文章优先
有流媒体传输开源库开发经验优先
AI 洞察
优缺点分析
优点
- 所在团队主研协议已成为行业标准，技术壁垒高，能接触海量真实业务场景
- 结合AI大模型与网络传输，属于前沿交叉领域，技术成长空间大
- 需要兼顾QoS/QoE与成本优化，业务场景复杂，对算法的落地效果和工程实现能力要求极高
- 涉及国内外全场景，需处理复杂的网络环境和长尾问题
- 适合计算机/通信专业背景，对流媒体传输、网络协议有深入研究，且对AI赋能网络优化感兴趣的算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深算法专家、网络传输架构师方向发展，或在AI for network前沿领域成为技术领军人物
- 有机会参与行业标准制定，提升在多媒体传输领域的行业影响力
- 负责快手全场景流媒体传输业务（点播、直播、RTC）的QoS/QoE及成本优化，设计多码率、流控和拥塞控制算法
- 探索AI for network技术，利用深度学习、强化学习和大模型优化网络预测与测量模型
- 参与新一代传输标准的设计，分析用户偏好并建模QoE，指导传输算法决策
- 扎实的计算机/通信专业基础，熟悉RTMP、WebRTC、QUIC等流媒体传输协议
- 具备深度学习、强化学习等AI算法能力，了解AI for network相关技术
- 较强的工程实现能力、问题分析与复杂问题拆解能力
申请策略
- 了解快手核心传输协议CMTP及CCAS行业标准，关注快手在多媒体传输领域的最新技术博客和开源项目
- 突出在流媒体传输协议（如WebRTC、QUIC）和QoS/QoE优化方面的项目经验
- 展示在AI for network、深度学习或强化学习方面的研究成果或落地案例
- 若有SIGCOMM、NSDI等顶会论文或开源库开发经验，务必重点展示
- 深入学习Remy/Orca等AI for network经典算法，了解DML/后门调整等因果建模方法
- 熟悉并实践主流流媒体传输开源库的底层实现
面试指南
- 采用STAR法则，重点突出业务痛点、算法设计思路（如状态/动作/奖励设计）、工程落地难点及最终的业务收益（如卡顿率降低、成本节约）
- 对于协议对比，从延迟、吞吐量、兼容性、实现复杂度等维度结构化回答
- 请详细介绍你在流媒体传输场景下优化QoE或拥塞控制的具体方案及效果
- 如何将深度学习或强化学习应用于网络预测或测量模型？请举例说明
- 在分析用户对清晰度/卡顿/延迟的偏好时，你是如何建模QoE的？
- 请对比RTMP、HTTP-FLV、WebRTC和QUIC等协议的优缺点及适用场景
- 复习计算机网络基础，特别是TCP/UDP、拥塞控制算法（如BBR、Cubic）及流媒体协议细节
- 准备1-2个自己主导的复杂算法落地项目，能够深入讲解技术细节和踩坑经验
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
该岗位属于核心算法研发，薪资具备较强市场竞争力，但JD未披露具体薪资与福利细节。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
90较高
岗位涉及AI for network及下一代传输标准设计，技术前沿性极强，且团队主导行业标准，个人技术成长与行业影响力提升空间巨大。
技术前沿前沿/新兴技术
技术栈深度学习、强化学习、大模型、AI for network、Remy、Orca、DML、RTMP、WebRTC、QUIC
业务类型cost_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为核心业务线的算法岗，通常工作节奏较快，需根据实际团队情况确认。
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
致力于为用户提供极致的播放体验，并参与行业统一标准的设计，具有较强的技术使命感和社会价值。
行业发展稳定成熟行业
社会影响中性/一般
使命信号为用户提供极致的播放体验、为行业提供统一，标准的多媒体服务
创新程度开拓性创新（行业首创）
Watch Jobs