【B-UP】搜索算法工程师（实习）

优缺点分析

角色解读

• 表现优秀可转正为正式算法工程师，深入搜索推荐领域
• 积累工业级大规模系统经验，向算法专家方向发展
• 可横向扩展至NLP、多模态等前沿方向
• 负责搜索召回和排序模型的迭代优化，提升个性化与相关性
• 利用大模型技术优化视频多模态嵌入，深入理解视频内容
• 优化点击率、时长等模型，调整排序策略平衡多目标
• 扎实的编程与算法功底，熟练使用Python/C++/Java
• 掌握TensorFlow/PyTorch等深度学习框架，了解大数据工具
• 具备机器学习和深度学习的理论基础，熟悉常见模型

申请策略

• 了解B站的搜索场景和视频内容特点，准备相关思考
• 提前准备一个最能体现技术能力的项目，并能清晰讲解
• 突出机器学习/深度学习相关项目经验，特别是搜索、推荐、NLP方向
• 展示编程竞赛获奖、论文发表或开源贡献，体现算法功底
• 强调对搜索系统或推荐系统的理解，如召回、排序等环节
• 补充大模型（如LLM、多模态）相关知识和实践
• 熟悉推荐系统常用模型（双塔、DIN等）和排序策略
• 练习使用Hadoop/Spark等大数据工具

面试指南

• 使用STAR法则描述项目：情境、任务、行动、结果
• 对于模型问题，先阐述理论基础，再结合实际应用场景分析
• 对于策略问题，从问题定义、难点、解决方案、实验效果逐步展开
• 介绍一个你参与过的机器学习项目，并说明你的贡献
• 如何优化搜索相关性？你会用什么模型和策略？
• 谈谈你对双塔模型的理解，以及它的优缺点
• 搜索排序中如何平衡多个目标（如点击率、时长、多样性）？
• 大模型在搜索中如何应用？举例说明