哔哩哔哩
搜索算法工程师（大语言模型方向）【2027届】
搜索算法工程师（大语言模型方向）【2027届】
发布于 大约 2 小时前普通员工/个人贡献者
上海市
无经验要求
全职员工
仅现场办公
本科
机器学习工程
Pytorch
Rag
Rlhf
Sft
Tensorflow
Vllm
多模态
大语言模型
搜索算法
AI 估算 · 25k–40k
大模型算法岗位竞争激烈，B站平台较好，上海薪资水平高，综合校招行情估算。
职位详情
关于这个职位
作为B站搜索算法工程师，你将参与训练和优化B站专属基座大模型，并将其应用于内容搜索和生成式推荐中
工作包括多模态嵌入生成、Query意图理解、超大规模分类模型优化等，同时跟进大语言模型前沿技术
这是一个技术成长快、与业务紧密结合的校招岗位
最低要求
届应届毕业生，本科及以上学历，计算机、数学、大数据、人工智能等相关专业
扎实的编程能力和算法功底，具备机器学习/深度学习理论基础
熟练掌握Python/C++/Java等至少一种编程语言，熟练掌握Tensorflow/Pytorch等至少一种主流深度学习框架
了解大模型的经典结构和代码实现，熟悉大模型推理框架如vllm等，熟悉SFT/RAG/RLHF/DPO数据、训练和评估调优方法
优秀的数理逻辑思维能力，优秀的发现、分析、解决问题的能力，对解决具有挑战性问题能长期专注并保持热情
善于沟通和协作，工作积极主动，责任心强，自驱力强，能持续学习，具备良好的团队协作能力
工作职责
训练&优化B站专属基座大模型，探索将大模型集成/直接应用到内容搜索和生成式推荐中，包括但不仅限于生成搜索结果视频稿件，视频摘要生成，推荐/搜索理由生成，Query改写/生成等
利用B站稿件的标题文本，评论，ASR，关键帧图片等，产出和优化稿件的多模态嵌入
基于基座模型，优化Query意图，稿件内容的超大规模分类模型的效果
大语言模型等方向的前沿技术跟进和创新
优先资格
ACM/ICPC等比赛获奖或在多智能体、多模态大模型领域发表过论文、热门研发类开源项目有代码贡献、开源榜单打榜前十，可做为加分项
熟练使用AI agent能力者优先
AI 洞察
优缺点分析
优点
- 大模型方向为当前行业最热技术，能快速积累前沿知识和工程经验，技术含金量高
- B站拥有海量视频内容和用户交互数据，算法落地场景丰富，业务价值显著
- 涉及多模态、搜索、推荐等多领域交叉，个人技术视野和综合能力提升快
- 公司已上市且平台稳定，校招培养体系成熟，职业发展路径清晰
- 校招竞争激烈，岗位对算法基础和工程能力要求高，面试准备需充分
- 大模型技术迭代迅速，需要持续学习和实践，工作强度可能较大
- 搜索推荐业务复杂度高，问题定位和优化难度大，需要较强的抗压能力
- 适合对大语言模型和搜索推荐算法充满热情，具备扎实算法功底和自驱力的应届毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 初期作为算法工程师参与具体模块，积累大模型训练和搜索推荐经验
- 中期可成长为技术骨干，主导大模型在搜索/推荐场景的落地项目
- 长期可向技术专家或技术管理方向发展，成为大模型领域的核心技术人才
- 训练和优化B站专属基座大模型，并将大模型集成到内容搜索和生成式推荐中，如生成搜索结果摘要、视频摘要、推荐理由等
- 利用B站稿件的多模态数据（标题、评论、ASR、关键帧图）产出和优化多模态嵌入向量
- 基于基座模型优化Query意图理解和超大规模内容分类模型的效果
- 持续跟进大语言模型前沿技术，探索创新应用场景
- 扎实的编程和算法功底，至少精通Python/C++/Java中的一种
- 熟练掌握TensorFlow或PyTorch等深度学习框架，了解大模型结构和vLLM等推理框架
- 熟悉SFT、RAG、RLHF、DPO等大模型训练和调优方法
- 具备优秀的数理逻辑和问题解决能力，有ACM获奖、论文或开源贡献者优先
申请策略
- 积极寻找内推渠道，提升简历曝光率，关注B站校园招聘官网的投递时间线
- 在面试中展示对视频内容生态和二次元文化的理解，体现与公司的契合度
- 突出大模型相关项目经历，如微调、RAG、RLHF等，详细说明你的贡献和效果
- 展示编程和算法能力，如有ACM/ICPC获奖经历或开源项目贡献，务必重点描述
- 如果有相关论文或顶尖会议发表，列出并说明创新点，这是加分项
- 强调多模态、搜索推荐等领域的实践经验，即使不是大模型方向也需体现算法功底
- 提前熟悉vLLM等推理框架，动手实现一个简单的LLM应用（如基于RAG的问答系统）
- 系统复习Transformer、注意力机制、强化学习等基础知识，深入理解RLHF原理
面试指南
- 对于技术概念题，先给出定义，再结合具体应用场景举例，最后讨论优缺点和变体
- 对于项目经验题，使用STAR法则（情境、任务、行动、结果）结构化讲述，突出你的贡献和量化结果
- 对于开放设计题，先明确目标，拆解问题，提出可行方案并比较权衡，体现系统性思维
- 请描述你熟悉的大模型训练流程，包括SFT和RLHF的关键步骤以及挑战
- 如何将大模型用于搜索结果的摘要生成？你如何设计系统并评估效果？
- 解释Transformer中的self-attention机制，并说明multi-head的作用
- 如何优化大模型推理性能？你了解哪些推理加速技术（如vLLM、量化）？
- 面对一个搜索相关性差的问题，你会如何利用大模型进行改进？
职位点评
73
综合评分
B站核心算法岗，大模型前沿方向，薪资不错，但WLB不明确，适合技术驱动型人才。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
该职位最适合追求技术深度和快速成长、对搜索推荐与大模型有浓厚兴趣的应届毕业生。
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
薪资未明示但作为上市公司的校招算法岗，薪酬通常具有竞争力，福利保障齐全，但具体信息不足，因此给予较高评分。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
大模型方向属于前沿技术，岗位涉及训练、微调、多模态等核心内容，技术成长空间极大，且处于业务核心位置，发展性极强。
技术前沿前沿/新兴技术
技术栈大语言模型、vLLM、SFT、RAG、RLHF、DPO、多模态、TensorFlow、PyTorch
业务类型profit_center
工作生活
45较低
要求现场办公，未提及远程或弹性工作安排，工作强度未知，互联网大厂算法岗通常节奏较快，因此评分中等偏低。
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
B站所属的在线视频内容行业相对成熟，但公司具有较好的用户口碑和社区文化，职位本身社会影响力一般，偏技术驱动，给予中等评分。
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
哔哩哔哩 的其他在招职位
相似职位推荐
Watch Jobs