哔哩哔哩
算法工程师（多模态理解方向）【2027届】
算法工程师（多模态理解方向）【2027届】
发布于 大约 14 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
Cvpr
Megatron-Lm
Video Llm
内容审核
分布式训练
多模态
时空序列建模
视频理解
Ms-Swift
AI 估算 · 25k–40k
多模态算法校招岗，B站平台大，技术前沿，薪资竞争力强，估算合理。
职位详情
关于这个职位
这是哔哩哔哩面向2027届应届生的多模态算法工程师岗位，核心负责Video LLM和视频理解技术的研发与落地
你将参与长视频细粒度理解、多模态语义对齐等前沿方向，并将技术应用于搜索推荐、内容审核等业务场景，同时有顶会论文发表机会
适合对多模态大模型有深入研究、追求技术挑战的应届生
最低要求
届应届毕业生，计算机科学、人工智能、计算机视觉等相关专业本科及以上学历，具备扎实的机器学习、深度学习理论基础
深入理解多模态与视觉大模型原理，熟悉大模型底层技术（如 Transformer、时空序列建模、并行自回归解码、多模态语义对齐等）
在视频理解或多模态领域有前沿技术研究及论文发表经验，敢于挑战技术边界
对主流多模态视频大模型架构有深入理解，熟悉长短视频理解评测体系（Benchmark），熟悉 Megatron-LM、ms-swift 等底层分布式大模型框架，具备大规模模型训练（含 SFT 与 RL 阶段调优）、多机多卡集群调度、推理加速优化及工程化部署的实战经验
工作职责
负责多模态视频大模型（Video LLM）及核心视频理解技术的研发与迭代，聚焦长视频、细粒度、音视频精细化理解方向，持续挑战多模态基础模型的技术边界
紧密跟踪视频理解与多模态大模型领域最新进展，推动研究成果向业务转化，并在计算机视觉/AI顶级会议（如 CVPR、ICCV、ECCV、NeurIPS 等）发表高水平论文
将视频理解技术工程化落地于 B站多模态视频数据引擎、智能搜索与推荐、二创高光素材提取及内容审核等核心场景，解决超长视频解析效率、多模态语义精准对齐、分布式大规模训练与推理性能等实际业务痛点，打造行业领先的视频解析大模型基建体系
优先资格
CVPR、ICCV、ECCV、NeurIPS、ICML、AAAI 等计算机视觉或 AI 顶会/顶刊发表过相关论文者优先
熟练使用AI agent能力者优先
AI 洞察
优缺点分析
优点
- 前沿技术方向，Video LLM是当前AI热点，技能积累价值高
- B站业务场景丰富，技术落地机会多，且鼓励发表顶会论文
- 大厂平台，资源充足，有完善的应届生培养体系
- 互联网节奏较快，可能面临较强的工作强度
- 对论文和实战经验要求高，竞争激烈
- 适合对多模态AI有强烈兴趣，具备扎实理论基础和工程实践能力，追求技术成长的应届生
缺点 / 挑战
- 技术难度大，需要快速掌握大模型训练和分布式系统，学习压力大
角色解读
- 从算法工程师逐步成长为技术专家，深入多模态大模型核心领域
- 有机会参与顶会论文发表，提升学术影响力，向研究科学家方向发展
- 在B站大平台积累业务落地经验，未来可转向高级算法工程师或技术管理岗
- 研发和迭代多模态视频大模型，解决长视频理解、细粒度语义对齐等技术难题
- 跟踪学术界最新研究，将前沿技术转化为业务能力，并发表顶会论文
- 将算法落地到B站搜索推荐、内容审核等核心场景，优化工程部署和推理性能
- 扎实的机器学习和深度学习理论基础，熟悉Transformer等大模型底层架构
- 熟练掌握多模态模型训练和调优，具备分布式训练和推理优化经验
- 熟悉Megatron-LM、ms-swift等分布式框架，以及多机多卡集群调度能力
申请策略
- 关注B站技术博客和技术分享，了解其视频理解业务方向
- 在简历中具体描述你如何解决过类似技术问题，展现动手能力
- 突出多模态/视频理解相关的研究项目或论文，展示技术深度
- 强调大规模模型训练、分布式部署等实战经验，体现工程能力
- 如有顶会论文或竞赛获奖，务必放在显眼位置
- 补充对Video LLM架构和主流开源框架（如Megatron-LM）的深入理解
- 提前熟悉多模态评测benchmark，尝试复现相关论文
- 学习AI agent工具的应用，满足优先条件
面试指南
- 使用STAR法则（情境-任务-行动-结果）清晰描述项目经历，突出难点和解决方案
- 回答技术设计题时，先分析问题关键，再给出分步方案，注意权衡性能和效果
- 结合B站业务场景，思考技术落地中的挑战，展示业务理解能力
- 请介绍一个你参与过的多模态或视频理解项目，并说明你的贡献
- 如何设计一个高效的长视频理解模型？请谈谈技术思路
- 在分布式训练中，你如何解决显存不足或通信瓶颈问题？
- 谈谈你对Video LLM发展趋势的理解，以及落地场景有哪些
- 系统复习Transformer、多模态对齐、分布式训练等核心知识点
职位点评
76
综合评分
B站多模态算法校招，前沿技术栈，发展空间大，但工作强度可能高。
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
适合追求前沿技术成长、愿意投入高强度研究工作的应届生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展95
工作生活55
使命价值70
薪资福利
70中等
薪资未披露但大厂校招通常待遇优厚，福利完善，稳定性好。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
95较高
多模态前沿技术方向，有顶会论文机会，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Video LLM、Transformer、多模态、分布式训练、Megatron-LM、ms-swift
业务类型ambiguous
工作生活
55较低
工作地点上海，需现场办公，未提及弹性工时，互联网大厂可能加班。
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
70中等
视频理解技术有实际应用价值，但主要技术驱动，社会意义一般。
行业发展高速增长赛道
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