米哈游
推荐算法负责人（用增方向）
推荐算法负责人（用增方向）
发布于 5 天前中层管理(经理/总监)
上海市
高级经验
全职员工
仅现场办公
硕士
软件工程
机器学习
深度学习
PyTorch
TensorFlow
用户增长
推荐系统
图神经网络
多目标排序
AI 估算 · 50k–80k
资深算法管理岗，米哈游品牌溢价，上海城市薪资高，综合市场对标约为50-80K月薪。
职位详情
关于这个职位
作为推荐算法负责人，你将主导米哈游社区推荐系统的架构设计与优化，利用个性化推荐和用户理解技术驱动创作者生态和用户增长
需要深入理解游戏用户行为，将前沿机器学习算法应用于推荐场景，并带领团队协同产品、运营等部门，制定量化增长目标
这是一个兼具技术深度与管理广度的关键岗位
最低要求
计算机、统计学、数学或相关专业硕士及以上学历，5 年以上互联网推荐/搜索/广告相关算法经验
具备2年以上团队管理经验者优先
掌握扎实的计算机科学基础知识 (数据结构/算法/网络等) ，具备优秀的编码能力 (至少熟练掌握 C++/Java/Python 等一种主流开发语言)，熟悉常见的大数据开发工具(Spark/Hive/Hadoop/Flink等)，熟悉至少一种神经网络框架（Tensorflow，Pytorch）
机器学习与深度学习基础扎实，熟悉推荐系统常用模型与方法，包括但不限于 CF、FM、LR、GBDT、DNN、双塔模型、DSSM、DIN/DIEN、Embedding 表征学习、Learning to Rank、多目标排序等，并具备模型调优和线上效果优化经验
对推荐系统召回/排序/多样性/冷启动中一个或多个方向有过深入的实践，了解业界经典的模型和方法
具有出色的解决问题能力、良好的理解沟通能力和优秀的团队合作意识，能够持续学习，有激情、乐于挑战
工作职责
主导大规模推荐系统的架构设计、迭代优化与落地，通过个性化推荐、分发策略、用户/内容理解等核心技术，驱动社区内容发布量与创作者规模持续增长，繁荣作者生态
深入理解游戏用户行为、内容消费路径及平台业务收益逻辑，构建并优化游戏社区、内容分发、高价值流量分配等关键场景的推荐系统，在兼顾用户体验与生态健康的基础上，提升优质内容曝光效率、流量分发效率与整体业务贡献，助力用户增长、留存及收入提升
从复杂业务场景中抽象核心算法问题，将机器学习、深度学习等前沿技术有效应用于推荐系统，持续探索推荐与用户增长的结合点，推动技术沉淀与业务边界拓展
负责推荐方向的建设及技术规划，协同产品、运营、数据等多方团队，制定可量化的增长目标，通过数据驱动的方式评估推荐策略效果，并快速迭代优化
优先资格
有运筹学、博弈机制、图神经网络、大规模机器学习，LLM4Rec，多模态内容理解等领域的研究和实践经验
在 KDD、RecSys、NeurIPS、ICML 等顶会发表过相关论文
熟悉游戏行业或内容社区生态，对不同市场用户行为、内容消费路径、创作者生态、社区互动机制有深入理解
AI 洞察
优缺点分析
优点
- 米哈游作为头部游戏公司，技术积累深厚，推荐场景丰富
- 用户增长方向与业务直接挂钩，工作成果可量化，价值感强
- 团队管理岗位有利于培养领导力和战略思维
- 薪资待遇优厚，高年终奖及福利
- 推荐系统对用户体验和商业目标要求高，需要平衡多方利益
- 管理职责可能占用较多时间，需要兼顾技术与团队事务
- 适合有5年以上推荐算法经验、渴望从技术走向管理、对游戏或内容社区有热情的资深工程师
缺点 / 挑战
- 游戏行业变化快，需要持续跟进前沿技术，学习压力大
角色解读
- 技术层面可从推荐领域专家成长为算法架构师
- 管理层面可从团队负责人晋升为算法总监或VP
- 业务层面可深入用户增长、内容生态等方向，拓展商业视野
- 主导推荐系统架构设计与迭代，优化个性化推荐和分发策略
- 深入理解游戏用户行为，驱动社区内容增长和用户活跃
- 将前沿机器学习算法应用于推荐场景，提升业务指标
- 负责团队管理和跨部门协作，制定量化增长目标
- 扎实的计算机基础和编码能力，精通C++/Java/Python及大数据工具
- 深厚的机器学习与深度学习功底，熟悉推荐系统常见模型（如DNN、DIN等）
- 推荐系统实战经验：召回、排序、多样性、冷启动等方向
- 团队管理经验和跨部门沟通能力
申请策略
- 面试前深入研究米哈游旗下产品（如原神、崩坏）的社区生态，提出针对性的推荐优化思路
- 准备一个以用户增长为目标的推荐系统项目复盘，展示从问题定义到效果评估的完整闭环
- 突出推荐系统落地案例，尤其是用户增长或内容分发方面的成果
- 强调团队管理经验，包括团队规模、目标设定、业绩提升等
- 展示技术深度，如模型优化的具体经验、在顶会发表的论文
- 体现对游戏行业或内容社区的了解，如用户行为分析案例
- 补充图神经网络、LLM4Rec等前沿技术知识
- 强化大数据处理框架（Spark/Flink）的实际运用能力
面试指南
- 结构化回答：先明确问题背景和目标，再设计方案（选型、评估、迭代），最后总结效果和经验教训
- STAR法则：描述情境（Situation）、任务（Task）、行动（Action）、结果（Result），突出个人贡献
- 请设计一个面向游戏社区的推荐系统，如何平衡优质内容曝光与创作者激励？
- 你之前如何针对推荐模型进行离线评估和线上AB测试？遇到过哪些挑战？
- 谈谈你对多目标建模（如用户时长、互动、留存）的经验和思考
- 你如何管理算法团队？目标设定、进度跟踪、成员培养方面有什么做法？
- 你对LLM在推荐系统中的应用怎么看？有没有实际尝试过？
- 复习推荐系统经典模型（DIN、DIEN、多目标排序等），并准备手撕代码
匹配度报告
69
综合匹配度
高薪酬、前沿技术栈、管理晋升通道明确，但加班可能较多。
适合人群
适合重视高薪、技术成长和管理进阶的求职者，对工作生活平衡要求不高。
最强匹配
薪资福利匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展80
工作生活50
使命价值60
薪资福利匹配
85较高
米哈游薪资水平在行业头部，且为管理岗位，薪资和福利具有较强竞争力。
薪资信号未披露（AI估算：50K-80K/月）
成长发展匹配
80较高
职位涉及前沿技术（图神经网络、LLM4Rec等），且有管理成长路径，发展空间大。
技术前沿前沿/新兴技术
技术栈推荐系统、机器学习、深度学习、TensorFlow、PyTorch、Spark、Flink、多目标排序、图神经网络、LLM4Rec
成长机会团队管理经验优先、技术沉淀与业务边界拓展
业务类型profit_center
工作生活匹配
50较低
现场办公且未提及弹性工作制，游戏公司加班文化可能较普遍，WLB一般。
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
60中等
游戏行业属于高速增长赛道，但社会影响力偏中性，个人价值更多体现在技术驱动业务增长。
行业发展高速增长赛道
社会影响中性/一般
使命信号繁荣作者生态、助力用户增长
创新程度积极采用新技术
Watch Jobs