1、打造最适合短视频、直播、搜索推荐、电商、创作者玩法的多模态大模型，为快手的各项业务提供基座模型技术支持。多模态技术是通向AGI的重要方法和里程碑，期待和更多对多模态技术感兴趣的同学一起打造真正带来价值的模型算法技术； 2、深度探索多模态大模型的多阶段预训练、监督微调和RLHF等技术，打造业界第一梯队的多模态大模型，赶超GPT-4o、Gemini Pro等闭源模型的实际使用效果； 3、图片、语音、音频和视频多种模态信号的高效处理方式探索，提供对各类信号最精准的理解能力； 4、混合专家、蒸馏剪枝等兼顾模型性能和效果的技术探索。

1、负责百亿级广告投放引擎和周边上下游系统的研发工作，保障高可用、高性能、快速迭代； 2、参与整个广告平台训练、预测、数据流、投放全链路工作； 3、优化整个商业化广告的投放效果及性能。

1、负责分布式存储系统研发及性能优化工作； 2、结合业务特点和需求，有针对性地优化性能和解决业务线需求； 3、负责分布式存储相关基础技术研究。

团队介绍：快手计算引擎架构团队负责建设和维护公司的推广搜模型预估中台，为主站、直播、电商、商业化等业务的发展赋能。 1、参与快手推荐模型推理引擎的研发与性能优化，包括传统 DLRM 模型和生成式推荐模型； 2、和算法同学合作，通过算法-系统联合优化持续提升快手推荐模型效果； 3、跟踪和调研最新的硬件加速特性和推理性能优化技术，推动其在快手业务场景落地。

1、负责知识体系、对话系统、机器翻译的研发、实现和优化，涉及用户搜索意图理解，实体NER，搜索语言模型，纠错改写，搜索需求图谱，搜索交互引导，智能对话等方向； 2、负责文本分类、语义理解、情感分析等NLP任务的研发工作； 3、负责智能客服、文本安全、短视频搜索等多个业务领域的内容挖掘、用户标签构建、知识图谱构建等； 4、负责NLP算法系统的开发和优化。

1、参与快手大规模深度学习推理引擎、大模型训练解决方案的研发与优化，包括大模型推理、模型训练框架、微调平台等； 2、参与底层算子的优化、通过优化访存pattern、计算提升推理性能，与算法部门合作，为公司大模型定制训练方案，探索RLHF、MoE、多模态、longcontext等前沿方向，提升训练性能； 3、优化推理框架上层调度策略，通过机内、机间的计算任务调度和通讯优化提升引擎性能；优化现有大语言模型相关工具和平台，提高模型训练、维护效率，降低成本，提升训练服务稳定性。

1、参与快手EB级大数据平台分布式计算引擎相关系统的研发与优化工作，解决实际业务需求与性能问题。子系统包括但不限于Hive、Spark，Presto、Flink、Druid、Clickhouse等； 2、接受大数据平台系统设计与实现复杂度的挑战，分析和发现系统的优化点，负责推动系统的合理性、可靠性、可用性的提升； 3、和开源社区保持交流，从社区引入对公司业务场景有帮助的特性与系统，或将内部研发的功能贡献到社区。

【团队介绍】快手电商AI搜索与多模态理解团队，致力于构建文本大模型、视觉大模型、多模态搜索、User Agent新系统，应用于多种电商场景（如快手搜索Query改写/生成/意图识别、搜索相关性、拍照搜同款、图文相似款等)。团队一直坚持学术与业务并向发展的方式，目前在CVPR、WWW、AAAI、EMNLP、SIGIR等会议发表论文多篇 ，并在国内知名赛事与榜单荣获过多项Top2成绩；内部提供充分的交流讨论，现有正式员工与实习同学均来自国内/全球顶尖学校；在这里你会有专业的Mentor实时指导技术创新与业务落地。我们团队的 OneSug、OneSearch、OneSearchV2等相关工作受到业界广泛关注。 1、参与亿级用户规模的电商搜索业务优化，围绕核心业务指标（GMV、购买用户数、点击率、转化率等）开展算法研究与迭代，持续提升用户搜索购物体验，推动电商生态健康发展。 2、深入设计与优化搜索全链路算法模块，包括但不限于：Query理解、召回、粗排、精排、混排、相关性计算、机制策略等；探索并应用序列建模、迁移学习、强化学习、对比学习、多模态大模型等前沿技术，提升模型智能化水平与业务效果。 3、探索前沿的 NLP 技术：LLM驱动的搜索Query理解（Query改写/生成/意图识别）、基础相关性等，全链路拥抱LLM。 4、基于LLM能力，探索新一代的AI搜索前沿场景和技术，包括端到端LLM4Search、LLM4Retrieval等。 5、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持LLM生成算法的性能优化与落地； 6、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究。

团队介绍：快手AI搜团队负责快手AI搜索相关技术的研发，致力于探索大模型与快手的海量视频深度结合，打造全新的多模态、交互式、智能化的搜索体验。团队成员来自于国内外顶尖高校，相关技术成果在ICLR/NIPS/ICML/ACL等顶会发表。 1、探索AI搜场景下的LLM技术创新和落地，包括但不限于后训练算法优化、长文本奖励模型优化、个性化答案生成等，持续提高AI搜的效果； 2、探索解决复杂问题的agent相关技术落地，包括但不限于Plan模型、function call、memory构建等，建设更智能的agent能力； 3、探索多模态大模型在AI搜场景的落地，包括但不限于视频理解、多模态交互等，给用户提供更丰富的搜索体验。

1、参与大规模的短视频推荐和补贴裂变等业务的模型策略优化，提升用户消费体验（如时长、点击率、互动）和用户留存率、DAU等核心指标； 2、参与机器学习，如深度学习、因果推断领域的技术研发工作，包括但不限于DNN模型优化、因果推断模型、迁移学习、元学习、强化学习和图模型等的算法和系统研发等； 3、参与前沿问题的探索与研究，结合实际应用场景，提供技术优化和落地建议。

1、负责快手各产品后端系统、平台系统的研发工作，通过敏捷开发支持产品需求快速迭代，不断优化系统架构，支撑业务规模增长，保障服务稳定； 2、对现有系统的不足进行分析，找到目前系统的瓶颈，改进提高系统性能； 3、参与解决海量数据分布式处理、高效查询、数据一致性、准确性等方面带来的各种技术难题和挑战。

1、负责快手各内外部产品后端系统、平台系统的研发工作，通过敏捷开发支持产品需求快速迭代，不断优化系统架构，支撑业务规模增长，保障服务稳定； 2、对现有系统的不足进行分析，找到目前系统的瓶颈，改进提高系统性能； 3、参与解决海量数据分布式处理、高效查询、数据一致性、准确性等方面带来的各种技术难题和挑战。

团队介绍：快手推荐模型团队，作为支撑快手国内与海外短视频推荐系统的核心引擎，致力于构建业界领先的短视频内容推荐模型体系，依托深度学习、生成式推荐（OneRec）、LLM4REC 等前沿技术，持续优化内容分发效率与用户体验；深度打磨电商、直播、广告投放及用户增长等核心营收场景的模型体系，并聚焦打造业内领先的生成式推荐大模型 OneRec 等关键基础技术。 1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标； 2、参与机器学习、深度学习领域的技术研发工作，包括但不限于神经网络模型设计与优化、强化学习、迁移学习、主动学习等的算法和系统研发等； 3、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手的推荐效果； 4、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能； 5、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务。

职位描述 1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标； 2、参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等； 3、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制； 4、通过超大规模的机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果； 5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能； 6、参与搭建推荐系统框架，提供高并发、大数据、高效可靠的线上服务； 7、参与全域流量博弈的机制设计，协助拓展业务边界； 8、参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。

1、参与综合短视频、直播、电商、本地、社交和多语言等搜索业务，用大规模机器学习、强化学习、多模态预训练等技术提升搜索质量，用户留存和点击率等核心业务指标； 2、负责搜索query 意图分类、query 表征、query推荐、视频内容理解&多模态表征、多模态语义召回和相关性等搜索核心技术，提升搜索用户渗透率和相关性； 3、负责搜索用户行为分析、语义和行为混合检索、多序列&多任务粗排、精排、重排等搜索排序技术，提升搜索质量和内容消费指标； 4、负责搜索生态和机制，参与搜索混排、多目标优化、异构内容混排、短期和长期目标平衡、冷启动等搜索等机制和算法。

团队介绍：快手消费策略算法部混排方向，核心服务于场域内不同业务（消费/直播/电商/商业化/本地生活）物料间混排排序机制策略的设计与优化，兼顾用户体验与整体流量产生的公司营收利润，实现更高的流量效率，为公司创造价值。 1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标； 2、参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等； 3、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制； 4、通过超大规模的机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果； 5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能； 6、参与搭建推荐系统框架，提供高并发、大数据、高效可靠的线上服务； 7、参与全域流量博弈的机制设计，协助拓展业务边界； 8、参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。

团队介绍：快手商业化算法客户机制中心团队负责广告出价、广告投放、品牌广告和综合平台（网络服务、AI工具）业务，致力于构建业界领先的智能投放平台，通过强化学习、生成模型、大模型等技术，优化广告主长短期价值。团队成员来自顶尖高校，相关技术成果发表在ICLR/NeurIPS/ICML/KDD/SIGIR/WWW等顶级会议。其中出价相关技术获得NeurIPS 2024广告出价比赛双赛道冠军，推荐技术获得WSDM 2026最佳长文提名奖。 1、广告算法策略包含深度学习、强化学习、大数据、数据挖掘、并行优化、策略机制等多个方向； 2、负责机器学习的算法和模型开发，包括：DNN、超参数优化、学习和优化方法等； 3、负责海量数据的分析和挖掘工作，构建用户画像模型，提升CTR、CVR； 4、对机器学习尤其是深度学习前沿问题进行探索与研究； 5、对推荐系统、自然语言处理、图像处理等领域提供模型支持。