快手
智能创作Agent算法实习生
智能创作Agent算法实习生
发布于 大约 21 小时前实习/见习
北京市 / 深圳市
无经验要求
实习生
仅现场办公
学历未注明
研究与开发 (研发)
PyTorch
强化学习
LLM
多模态
SFT
AIGC
VLM
AI Agent
RLHF
AI 估算 · 4k–8k
实习生岗位通常按日薪或月薪计算，快手作为大厂，算法实习生月薪一般在4000-8000元，具体取决于学历和面试表现。
职位详情
关于这个职位
这是快手智能创作团队的算法实习生职位，你将参与多模态认知体系构建、大模型后训练（SFT/RLHF）以及Agent核心模块开发
适合对多模态大模型、AIGC和AI Agent有浓厚兴趣的同学，能接触到前沿技术和业务实践
最低要求
具备扎实的编程能力，熟悉数据结构与算法，有ACM/ICPC、Kaggle等竞赛经历者优先
对自然语言处理、计算机视觉、多模态学习等方向有基础了解，熟悉大模型相关原理，有项目经验更佳
熟悉多模态大模型（VLM）、大语言模型（LLM）相关的算法技术，在相关领域有课程项目、科研或开源实践经验，了解大模型数据构造方法、Post Training算法
了解LLM架构，熟悉强化学习算法（GRPO、PPO、DPO、判别式及生成式RM）、Multi-Agent技术、Prompt/Context Engineering等工程方法，有AI Agent应用或AIGC实操经验者优先
对前沿技术保持好奇心，具备快速学习能力，善于思考和创新，能够将研究与业务问题结合
工作职责
协助搭建创作领域的多模态认知体系，结合行业知识库，理解镜头美学、剪辑节奏、叙事逻辑等要素，支持图片/视频/音乐生成模型的优化与应用
参与大模型后训练相关探索（如SFT、RLHF等），通过高质量数据合成、指令设计、偏好对齐等方法，提升Agent的长推理和复杂规划能力
参与Agent相关核心模块的开发与实验，包括任务编排、工具调用、多Agent协作、长期记忆和个性化能力探索
优先资格
有大模型或生成式AI相关实习/科研/竞赛经历
在GitHub、Kaggle或ArXiv等平台有项目/作品/论文
对视频剪辑、美学分析、创意生成等方向有浓厚兴趣
AI 洞察
优缺点分析
优点
- 快手作为头部短视频平台，提供海量真实数据和业务场景，技术落地机会多
- 紧跟前沿技术方向（多模态、大模型、Agent），技能积累价值高
- 团队氛围通常注重创新，有学术和工程结合的成长空间
- 技术栈涉及面广（NLP、CV、RL、Agent），需要较强的学习能力
- 部分任务可能偏向研究和实验，成果有不确定性
- 适合对多模态大模型和AI Agent有强烈兴趣、基础扎实、追求前沿技术的硕士研究生或优秀本科生
缺点 / 挑战
- 实习生需要快速学习并融入高强度研发节奏，工作压力较大
角色解读
- 从实习生转为正式算法工程师，深入参与核心业务模型研发
- 向多模态大模型或AI Agent方向专家发展，成为团队技术骨干
- 有机会接触快手创作工具业务，未来可转向产品技术管理岗位
- 参与搭建多模态认知体系，结合镜头美学、剪辑节奏等知识，优化图片/视频/音乐生成模型
- 从事大模型后训练（SFT、RLHF），通过数据合成和偏好对齐提升Agent的推理和规划能力
- 开发Agent核心模块，包括任务编排、工具调用、多Agent协作和长期记忆探索
- 扎实的编程能力（Python/C++）和算法基础，有竞赛经历更佳
- 熟悉多模态大模型（VLM）和LLM技术，了解Transformer和强化学习算法
- 具备AI Agent或AIGC实践经验，了解Prompt Engineering和Multi-Agent技术
申请策略
- 在简历中附上GitHub或Kaggle链接，展示代码能力
- 面试前准备一个关于你过去做过的AI项目的小演讲，突出思考过程
- 突出算法竞赛成绩（ACM/Kaggle）或开源项目贡献（GitHub star）
- 详细描述参与过的大模型训练或Agent项目，强调技术细节和成果
- 列出相关的课程项目或科研论文，尤其是多模态或RL相关
- 提前掌握PyTorch/TensorFlow，并实践一个简单的Agent demo
- 了解主流LLM（如GPT、LLaMA）和VLM（如CLIP、BLIP）的原理
- 熟悉RLHF流程和常见算法（PPO、DPO），最好能复现实验
面试指南
- 遇到原理性问题：先给出核心概念，再结合实例说明，最后延伸到实际应用
- 遇到设计题：先明确目标和约束，再拆解步骤，给出技术选型理由
- 遇到项目经历：按STAR法则（情境、任务、行动、结果）清晰叙述
- 请解释一下Transformer的自注意力机制
- 你如何理解多模态大模型的训练过程？
- 描述一次你使用强化学习解决实际问题的经历
- 设计一个简单的Agent系统，让它可以自动完成视频剪辑任务
- 你对RLHF中的偏好对齐有什么理解？
匹配度报告
58
综合匹配度
快手AI算法实习，前沿技术栈（多模态/Agent），成长性极强，但需现场办公且工作强度高。
适合人群
该职位最适合追求技术成长和前沿领域发展的求职者，尤其是希望在AI方向快速积累经验的同学。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利50
成长发展90
工作生活30
使命价值60
薪资福利匹配
50较低
作为实习生，薪资水平相对普通，但快手提供大厂实习证明和转正机会，福利一般。
薪资信号未披露（AI估算：4K-8K/月）
成长发展匹配
90较高
该岗位技术前沿，涉及多模态、大模型、Agent等热点方向，公司平台大，成长空间充足。
技术前沿前沿/新兴技术
技术栈LLM、VLM、多模态、强化学习、AI Agent、SFT、RLHF
成长机会后训练、高质量数据合成、指令设计、偏好对齐
业务类型profit_center
工作生活匹配
30较低
实习生通常需要到公司办公，且互联网公司节奏较快，WLB一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
60中等
短视频创作领域有一定的社会价值，但实习生岗位偏技术实现，意义感中等。
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
Watch Jobs