百度
搜广推算法工程师（J104413）
搜广推算法工程师（J104413）
发布于 大约 14 小时前普通员工/个人贡献者
北京市
其它
全职员工
仅现场办公
本科
机器学习工程
Ctr预估
Deepfm
Mmoe
Pytorch
Tensorflow
向量检索
大模型
推荐系统
搜索算法
AI 估算 · 30k–50k
百度核心算法岗位，技术难度大，北京薪资水平高，市场竞争力强。
职位详情
关于这个职位
该职位负责百度搜索、推荐和广告的核心算法研发，涉及召回、排序、CTR/CVR预估等全链路优化
你将使用TensorFlow/PyTorch构建深度学习模型，并应用大模型、多模态等前沿技术解决业务难题
适合具备扎实机器学习基础和较强编程能力的候选人
最低要求
本科及以上学历，计算机、AI、应用数学、统计学、电子信息等相关专业
基础扎实，熟练掌握数据结构、算法、操作系统、计算机网络、数据库
扎实机器学习、深度学习理论基础：熟悉LR、GBDT、FM、DeepFM、DIN、SASRec、MMOE、多目标学习、强化学习、向量检索等搜广推经典模型原理
熟练使用Python，掌握至少一种深度学习框架（PyTorch/TensorFlow）
了解SQL、Hive/Spark大数据处理，能独立完成特征提取、离线数据分析
工作职责
搜索算法研发：负责检索全链路优化：召回（向量召回、多路召回、倒排索引优化）、粗排/精排、多目标排序、搜索意图理解、query改写、纠错、类目匹配、相关性模型迭代，提升搜索点击率、转化率、搜索满意度指标
推荐系统算法研发：搭建用户个性化推荐体系，完成用户行为建模、兴趣挖掘、序列建模、多场景冷启动、多样性&公平性调控、长短期兴趣融合、多任务学习、推荐召回/排序/重排模型迭代，优化留存、时长、GMV、点击等核心业务指标
商业广告算法研发：负责信息流广告、搜索广告CTR/CVR预估、出价机制、预算调控、流量分配、广告生态平衡、转化归因、反作弊、ROI优化，平衡平台收益、广告主效果与用户体验
模型与工程落地：基于TensorFlow/PyTorch构建深度模型（DeepFM、DIN、DIEN、SASRec、Transformer、多目标MMOE、PLE、宽深系列等）
参与特征工程、样本筛选、离线训练、在线推理优化
设计A/B实验体系，通过数据实验验证算法收益并规模化上线
数据与策略迭代：深入分析用户行为日志、曝光点击转化数据，挖掘业务痛点
设计用户分层、流量分层、冷启动、生态调控策略
沉淀算法工具、特征平台、训练框架，提升团队迭代效率
前沿技术落地：跟进大模型、多模态、强化学习、图神经网络、LLM检索、个性化Agent等前沿技术，探索在搜广推场景落地，解决长尾召回、意图模糊、冷启动等行业难题
优先资格
熟悉常用向量检索引擎优先：FAISS、Milvus、RecallDB
了解Redis、Kafka、分布式训练基础
AI 洞察
优缺点分析
优点
- 百度在搜索和AI领域有深厚技术积累，能接触大规模真实业务场景
- 可参与前沿技术落地，如大模型、多模态，保持技术竞争力
- 薪资福利在行业内具有竞争力
- 工作强度较大，可能需要应对快速迭代的业务需求
- 适合对算法有浓厚兴趣、抗压能力强、追求技术深度和业务价值的求职者
缺点 / 挑战
- 搜广推是互联网核心变现业务，团队地位重要，技术挑战大，成长空间广
- 技术复杂度高，需要不断学习和更新知识，压力较大
- 业务指标压力大，需要平衡多个目标，问题解决难度高
角色解读
- 可从算法工程师成长为技术专家，深入搜广推领域核心算法
- 也可转向技术管理岗位，带领团队负责业务方向
- 大厂平台积累经验后有机会进入更高级别岗位或创业
- 负责搜索、推荐、广告全链路的算法优化，包括召回、排序、CTR/CVR预估等
- 构建并迭代深度学习模型，应用于用户行为建模、兴趣挖掘等场景
- 基于海量用户数据设计A/B实验，验证算法效果并推动模型上线
- 探索大模型、多模态等前沿技术在搜索推荐广告场景的应用
- 扎实的机器学习和深度学习理论基础，熟悉搜广推经典模型
- 熟练使用Python和至少一种深度学习框架（TensorFlow/PyTorch）
- 具备数据分析和处理能力，了解Hive/Spark等大数据工具
- 有向量检索引擎（如FAISS、Milvus）经验者优先
申请策略
- 关注百度智能云的招聘信息和面试经验，了解团队文化
- 准备时多思考业务场景的算法设计，展示解决问题的思路
- 突出搜索、推荐或广告相关的项目经验，展示具体算法优化效果
- 强调扎实的机器学习理论基础，列举熟悉的模型和框架
- 展示数据分析和处理能力，包括使用Hive/Spark处理海量数据的经验
- 如有大模型或向量检索相关经验，务必突出
- 系统复习搜广推的经典模型，如DeepFM、DIN、MMOE等，并理解原理
- 练习编程题，尤其是数据结构与算法，因为面试会考察
面试指南
- 对于项目类问题，可采用STAR法则（情境、任务、行动、结果）组织答案
- 对于原理类问题，先定义概念，再说明原理，最后结合业务场景举例
- 对于策略类问题，从问题分析、方案设计、实验验证、效果评估逐步展开
- 请介绍一个你参与过的推荐系统或搜索项目，包括模型设计和效果提升
- 解释一下DeepFM和DIN的原理和区别？
- 在多目标排序中，如何处理不同目标之间的冲突？
- 如何解决冷启动问题？
- 在广告CTR预估中，如何处理稀疏高维特征？
职位点评
72
综合评分
百度核心算法岗，前沿技术栈，薪资竞争力强，但工作强度大，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
该职位最适合重视技术成长和薪资回报，能够接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活45
使命价值65
薪资福利
75中等
该职位属于百度核心算法部门，薪资水平在行业中偏高，但JD未明确薪资范围，具体福利未透露。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
搜广推算法是技术密集型方向，职位涉及大量前沿技术，个人成长空间大，能有效提升算法能力和工程能力。
技术前沿前沿/新兴技术
技术栈TensorFlow、PyTorch、DeepFM、DIN、MMOE、Transformer、大模型、向量检索、强化学习
业务类型profit_center
工作生活
45较低
工作地点在北京，JD未提及弹性办公或加班情况，互联网大厂算法岗通常工作强度较大，生活平衡一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
搜广推业务直接支撑公司商业化，但社会价值中性，行业应用广泛，技术影响力较大。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
百度 的其他在招职位
相似职位推荐
Watch Jobs