岗位职责
- 负责快手搜索（综合短视频、直播、用户、本地等业务）的多模态相关性建模，研究 Query 与视频/图像内容的细粒度语义对齐，定义并迭代可优化的相关性奖励信号（包括标注体系设计、人工标注与 LLM-as-a-judge 协同、用户行为信号融合等），系统性提升搜索相关性核心指标；
- 负责视频多模态表征学习，融合视觉帧、ASR、OCR、封面、标题、互动信号等多源异构信息，在原始文本质量参差、噪声大的条件下构建鲁棒的内容理解与相关性特征体系；探索多模态预训练、对比学习、跨模态对齐等前沿方法在搜索场景的落地；
- 负责大模型（LLM/VLM）在搜索相关性打分上的应用与线上化，研究模型蒸馏、量化（FP8/INT4 等）、MoE 稀疏化、推测解码（MTP/EAGLE）、kv cache、稀疏注意力等推理优化技术，在精排链路延迟与吞吐约束下最大化模型容量与打分质量；
- 探索 SFT、DPO、RLHF 、GRPO 等强化学习和对齐方法在相关性建模中的应用，结合在线 A/B 反馈与用户行为信号构建端到端的相关性优化闭环，平衡相关性、消费等多目标；
- 跟进多模态搜索、视觉语言模型、生成式检索、Agentic Search 等业界前沿，推动技术在快手搜索业务上的突破与落地。
职位要求
- 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；
- 在大语言模型或多模态大模型方向有较深入的研究经验，熟悉相关方向的技术发展，善于利用各类技术解决复杂的实际问题。 加分项：
- 有大语言模型、多模态大模型的复杂项目落地经验；
- 在计算机视觉、自然语言处理、多模态、机器学习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。
