Watch Jobs
浏览职位数据统计洞察报告探索企业定价
我的收藏免费试用登录注册

Watch Jobs

我们专注于实时追踪各企业最新职位动态,帮助您节省求职时间,快速找到理想工作机会。

探索

  • 浏览职位
  • 数据统计
  • 洞察报告
  • 数据方法论
  • 探索企业

订阅

  • 免费试用
  • 价格方案
  • 常见问题
  • 隐私政策

关注我们

微信公众号小红书淘宝店铺

© 2026 Watch Jobs. 保留所有权利

Created by jianglicat - 讲礼猫
Watch Jobs
浏览职位数据统计洞察报告探索企业定价
我的收藏免费试用登录注册

Kwai logo
快手
【快Star】生产推荐大模型算法工程师
立即应聘

【快Star】生产推荐大模型算法工程师

发布于 大约 2 小时前

普通员工/个人贡献者

北京市
中级经验
全职员工
仅现场办公
硕士
深度学习
PyTorch
强化学习
TensorFlow
推荐系统
多模态
SFT
大语言模型
Onerec

AI 估算 · 30k–60k

快手上市大厂,北京算法岗硕士起薪较高,结合技术难度和行业竞争力,预估月薪30K-60K,15薪。

职位详情

关于这个职位

该职位主要负责快手亿级用户的短视频推荐系统,优化核心指标如互动率、留存等

你将参与大模型与深度学习的研发,包括端到端生成式推荐架构、多模态内容理解等,并跟踪前沿技术落地
适合有深度学习基础、对推荐系统和大模型感兴趣的技术人才

最低要求

硕士及以上学历,计算机、人工智能、数学相关专业

有较强的工程实现能力,熟悉常用的深度学习算法模型,大模型基本原理,以及SFT和强化学习等大模型后训练技术,熟悉常用的大模型训练和推理框架
善于利用前沿技术,结合深度业务理解,解决复杂的实际问题

工作职责

参与快手亿级用户规模和千万级作者规模的短视频推荐,参与高潜作者/作品挖掘,优化互动率、时长、用户留存等核心指标,打造业界领先的内容分发系统

挖掘作者发文意图和敏感度,深入理解视频内容的消费价值、社交价值、不可替代供给价值,通过流量分布结构优化,模型和机制的持续迭代,提高双边匹配效率
负责深度学习模型、大模型的研发工作,包括但不限于:端到端生成式推荐(OneRec)架构优化、作者意图建模、多模态内容理解建模、多目标排序算法优化等
跟踪业界推荐系统前沿研究(生成式推荐、多模态大模型、强化学习等),将前沿技术落地到快手生产推荐场景中,保持技术领先性,鼓励科研精神以及论文、期刊、专利的发表

优先资格

有深度学习模型网络结构优化、大语言模型、多模态大模型的复杂项目落地经验

在CV、NLP、多模态、机器学习、LLM等相关领域有顶级国际会议论文发表
在ACM-ICPC/NOI/IOI编程竞赛或机器学习相关竞赛拿过奖项

AI 洞察

优缺点分析

优点

  • 岗位涉及推荐系统和大模型前沿技术,技术栈先进,有利于提升个人竞争力
  • 公司鼓励论文发表,有利于学术产出和行业影响力
  • 薪资福利有竞争力,且北京总部平台资源丰富
  • 业务复杂度极高,需要同时理解算法、系统、用户心理等多方面知识
  • 推荐系统迭代速度快,工作强度可能较大,需要持续学习前沿技术
  • 作为校招岗位,竞争激烈,对候选人工程和算法能力要求高

缺点 / 挑战

  • 快手作为短视频头部平台,亿级用户场景带来巨大技术挑战和成就感
  • 适合有扎实深度学习基础、对推荐系统和大模型充满热情、喜欢挑战亿级规模问题的技术型人才

角色解读

  • 技术深耕:从推荐算法工程师发展为推荐系统专家或大模型算法专家
  • 技术管理:可向技术Leader方向成长,带领团队负责核心推荐链路
  • 跨领域拓展:积累多模态、生成式AI经验,未来可转向AI产品、AI架构等方向
  • 参与快手亿级用户的短视频推荐系统开发,优化高潜作者/作品挖掘和核心指标如互动率、留存
  • 深入理解视频内容价值,通过流量结构优化和模型迭代提高作者与用户的匹配效率
  • 负责深度学习和大模型的研发,包括生成式推荐架构、多模态内容理解和多目标排序算法
  • 跟踪学术界前沿技术(如生成式推荐、强化学习),并落地到实际业务场景
  • 扎实的深度学习基础,熟悉常用算法模型(如Transformer、CTR模型)和大模型原理
  • 掌握SFT、强化学习等大模型后训练技术,熟悉大模型训练推理框架(如DeepSpeed、Megatron)
  • 优秀的工程实现能力,熟练使用Python及深度学习框架(TensorFlow/PyTorch)
  • 具备推荐系统或相关领域的研究或项目经验,有论文发表或竞赛获奖更佳

申请策略

  • 了解快手的推荐业务特色(如普惠、创作者生态),在面试中展现对业务的思考
  • 关注快Star校招流程,提前准备算法题和系统设计题
  • 突出推荐系统或大模型相关项目经验,尤其是落地到实际业务中的成果
  • 强调工程实现能力,如使用深度学习框架搭建大规模模型、优化训练推理性能
  • 展示学术成果(论文、专利)或竞赛奖项(如ACM-ICPC、Kaggle)
  • 如果有开源贡献或技术博客,体现技术影响力
  • 补充大模型后训练技术(RLHF、SFT)的实践经验,可尝试复现相关论文
  • 熟悉推荐系统经典论文(如YouTube DNN、DIN、MMOE等)和最新生成式推荐工作

面试指南

  • 项目介绍采用STAR原则:背景、任务、行动、结果,重点突出个人贡献和技术难点
  • 对于模型设计问题,先分析问题目标,然后选择合适模型结构(如MMOE、PLE),并说明损失函数和训练技巧
  • 对于大模型相关问题,先阐述基本原理,再结合业务场景说明如何落地(如使用LLM提取语义特征)
  • 请介绍一个你参与过的推荐系统项目,包括问题、方案和效果
  • 如何优化短视频推荐中的用户留存与时长指标?
  • 请解释SFT和RLHF的原理,以及它们在大模型训练中的作用
  • 请设计一个多目标排序模型,处理互动率、时长、留存等多个目标
  • 如何利用大模型提升推荐系统的内容理解能力?

匹配度报告

74
综合匹配度

快手校招核心算法岗,前沿技术栈,薪资竞争力强,但工作强度可能较高。

适合人群
非常适合追求技术成长和前沿挑战的求职者,但对WLB要求较高的人需谨慎考虑。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展95
工作生活50
使命价值70

薪资福利匹配

80较高

快手上市大厂,北京算法岗薪资处于行业高位,福利完善,但具体薪资需面议,所以评分较高但非满分。

薪资信号面议 (30K-60K/月)

成长发展匹配

95较高

岗位涉及最前沿的推荐系统和大模型技术,公司鼓励论文发表,成长空间极大。

技术前沿前沿/新兴技术
技术栈推荐系统、大语言模型、多模态、强化学习、SFT、生成式推荐、OneRec
成长机会鼓励科研精神以及论文、期刊、专利的发表
业务类型profit_center

工作生活匹配

50较低

北京现场办公,互联网公司通常工作强度较高,WLB一般,但未明确说明加班。

工作模式仅现场办公
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值匹配

70中等

短视频行业高速增长,岗位通过算法创造用户价值和社会连接,意义感中等偏上。

行业发展高速增长赛道
社会影响中性/一般
使命信号打造业界领先的内容分发系统
创新程度开拓性创新(行业首创)
Watch Jobs
Watch Jobs

我们专注于实时追踪各企业最新职位动态,帮助您节省求职时间,快速找到理想工作机会。

探索

  • 浏览职位
  • 数据统计
  • 洞察报告
  • 数据方法论
  • 探索企业

订阅

  • 免费试用
  • 价格方案
  • 常见问题
  • 隐私政策

关注我们

微信公众号小红书淘宝店铺

© 2026 Watch Jobs. 保留所有权利

Created by jianglicat - 讲礼猫

快手 的其他在招职位

  • 【快Star】多模态理解算法研究员

    快手 · 深圳市
    AI 估算 · 25k-45k
  • 【快Star】大模型系统开发工程师

    快手 · 北京市
    AI 估算 · 25k-35k
  • 【快Star】数据科学家

    快手 · 北京市
    AI 估算 · 25k-45k
  • 【快Star】具身智能算法研究员

    快手 · 北京市
    AI 估算 · 30k-50k
  • 【快Star】搜索大模型算法工程师

    快手 · 杭州市
    AI 估算 · 30k-60k

快手 的其他在招职位

  • 【快Star】多模态理解算法研究员

    快手 · 深圳市
    AI 估算 · 25k-45k
  • 【快Star】大模型系统开发工程师

    快手 · 北京市
    AI 估算 · 25k-35k
  • 【快Star】数据科学家

    快手 · 北京市
    AI 估算 · 25k-45k
  • 【快Star】具身智能算法研究员

    快手 · 北京市
    AI 估算 · 30k-50k
  • 【快Star】搜索大模型算法工程师

    快手 · 杭州市
    AI 估算 · 30k-60k