快手｜大模型应用开发实习生

1、多模态模型能力建设：参与视频消费场景下文本、多模态相关模型能力建设，包括但不限于基于开源/自研基座模型的多模态内容理解、品牌识别、视频内容理解、关键信息抽取、实体识别、文本分类、知识图谱构建等； 2、前沿技术探索与业务落地：参与构建业内领先的内容安全、内容理解识别方法，探索多模态理解、RAG、Agent、模型蒸馏、Token 压缩、模型量化/加速等前沿技术，并完整落地到视频播放业务场景中，负责从模型训练、评估、部署到线上服务的全链路闭环； 3、全栈工程化与部署：参与内容理解能力的全栈工程化落地，涵盖模型轻量化（蒸馏/剪枝/量化）与推理加速、后端服务化封装与接口开发、前端可视化/标注/效果验证工具搭建、离线批量打标管线与在线/准实时推理服务部署**，支撑亿级数据规模、日均百万级视频的稳定、高效、低成本产出； 4、数据驱动的体验优化：在亿级数据规模下，探索内容理解信号用于改善视频观看用户体验、提升转化与留存等核心业务指标，通过 A/B 实验完成信号从建模到业务收益的验证与迭代； 5、善用 AI 提效：积极运用 AI 编程工具（如 Copilot、Cursor 及各类 Agent/大模型编码助手）提升开发、调试与部署效率，快速完成从原型到上线的端到端交付。

1、计算机或相关专业博士或硕士在读，一周至少实习 4 天，可实习 3 个月及以上； 2、扎实的算法基础：熟悉常用机器学习与深度学习算法，熟悉主流 LLM/VLM 结构（LLaMA/DeepSeek/Qwen/MoE 系列等），熟悉常见 PEFT 技巧/RAG/Agent 等大模型应用，熟悉常见数据清洗/CoT 构建/数据蒸馏等方法，熟悉常见强化学习算法（PPO/DPO/GRPO 等）。具备以上一项/多项基础并有一定实践经验； 3、较强的编码与工程能力：具备优秀的编码能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等至少一种主流深度学习框架； 4、具备全栈开发与部署基础：了解前后端开发与部署基本原理——后端熟悉至少一种服务框架（如 Flask/FastAPI/gRPC 等）、了解容器化（Docker/K8s）与接口设计；前端了解基本的 Web 开发（如 HTML/JS 或 React/Vue 等）能搭建简单的可视化/工具页面；有模型服务化上线或前后端部署实践经验者优先； 5、善用 AI 工具提效：熟悉并善于使用 AI 编程助手（Copilot/Cursor 等）高效完成编码、调试与部署； 6、具备应用落地意识：注重技术的业务价值，能将模型能力转化为可上线、可规模化、有实际业务收益的方案；具备优秀的学习能力和良好的沟通合作精神。