哔哩哔哩
资深广告算法工程师-内容理解方向
资深广告算法工程师-内容理解方向
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
Ctr/Cvr预估
Pytorch
Sql
Tensorflow
多模态表征
深度学习
特征工程
值不值得投
80综合评分
综合评分 80
核心变现部门、前沿多模态技术栈、技术成长空间大，但工作节奏与线上压力可能较大。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
6万
比推荐系统中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 800 个在招
市场机会
选择适中
上海 · 推荐系统 · 33 个在招
职位详情
关于这个职位
该职位主要负责B站广告内容理解方向的算法研发，通过挖掘多模态特征和用户兴趣，优化广告召回与排序模型，提升投放效果
你需要与推荐、工程团队紧密协作，推动算法从离线调研到线上收益的完整落地
最低要求
计算机科学、人工智能、数学、统计学等相关专业硕士及以上学历
具备搜索、推荐或广告算法实际项目经验，熟悉召回、排序或CTR/CVR预估中的至少一个方向
有从特征设计、模型训练到线上A/B实验的完整经验
具备扎实的特征工程和建模能力，熟悉用户行为序列、用户与物品交叉特征、稀疏特征及Embedding建模
能够结合业务分析特征的覆盖、质量、冗余和增量价值
熟练掌握Python，熟悉PyTorch或TensorFlow等深度学习框架
熟练使用SQL，具备Hive、Spark等大规模数据处理经验及良好的工程实现能力
具备严谨的实验设计和问题定位能力，能够分析离线指标与线上效果的差异，排查数据、特征接入、训练配置及模型应用中的问题
具备良好的业务理解和跨团队协作能力，能够围绕业务目标独立推进算法优化，并对实验结论及落地效果负责
工作职责
围绕B站自然内容、广告创意与商品信息，挖掘用户兴趣及商业意图，建设服务广告召回、粗排、精排的内容特征，提升广告匹配效率和投放效果
负责内容理解特征的设计与建模，将多模态表征、语义ID、内容标签、商品及实体信息，与用户自然行为、广告行为结合，探索用户兴趣序列、候选交叉及长短期兴趣等特征的有效表达和入模方式
参与广告召回与CTR、CVR等预估模型优化，针对不同业务目标和场景开展特征筛选、模型结构优化及消融实验，验证内容信息在已有模型上的增量价值
推动算法从离线调研到线上收益的完整落地，负责数据与特征验证、模型训练评估、线上线下一致性检查及A/B实验分析，持续定位效果瓶颈并迭代优化
与内容理解、推荐算法及工程团队协作，推动内容特征在生产系统中稳定应用，并通过下游实验反馈指导内容理解模型和特征产出的优化
优先资格
有内容特征、多模态表征、语义ID或知识实体在搜索、推荐、广告模型中应用并取得线上收益的经验
有长序列兴趣建模、跨域行为建模、冷启动或生成式推荐经验
有大模型、内容理解相关经验，能够将模型产出转化为下游可用的特征或训练信号
AI 洞察
优缺点分析
优点
- 广告算法直接挂钩商业变现，业务价值高，算法优化带来的线上收益反馈直接且显著
- 超大型上市平台提供完善的工程基础设施与跨团队协作资源，有利于技术视野的拓宽
- 内容理解涉及多模态与大模型，技术迭代极快，需要持续跟进前沿论文并快速完成工程化落地
- 具备扎实深度学习基础与广告/推荐算法经验，渴望在商业化变现与前沿内容理解交叉领域深耕的资深算法人才
缺点 / 挑战
- 依托B站庞大的年轻用户生态与丰富的视频内容数据，能接触到极具挑战性的多模态内容理解与长序列兴趣建模场景
- 广告业务对线上收益和稳定性要求极高，算法迭代压力大，需频繁应对离线与线上指标不一致的排查工作
角色解读
- 纵向可发展为广告算法专家或首席科学家，深耕内容理解与多模态大模型在商业化场景的应用
- 横向可转型为算法团队负责人或业务架构师，统筹推荐、搜索与广告算法的整体技术演进
- 负责B站广告内容理解方向的算法研发，挖掘多模态特征与用户兴趣，优化广告召回与排序模型
- 设计并建模内容理解特征，将多模态表征、语义ID等与用户行为结合，提升广告匹配效率
- 推动算法从离线调研到线上A/B实验的完整落地，与推荐及工程团队协作保障系统稳定应用
- 扎实的深度学习与特征工程能力，熟练掌握Python、PyTorch/TensorFlow及大规模数据处理工具
- 具备搜索、推荐或广告算法的完整项目经验，熟悉CTR/CVR预估及召回、排序模型优化
- 严谨的实验设计与问题定位能力，能独立分析离线与线上指标差异并迭代优化
申请策略
- 深入了解B站当前的商业化策略与广告产品形态，思考内容生态与广告变现之间的平衡点
- 重点突出在CTR/CVR预估、召回或排序模型中的实际项目经验，特别是带来显著线上收益的优化案例
- 详细展示多模态表征、语义ID或长序列兴趣建模等与内容理解强相关的技术落地经历
- 强调从特征设计、模型训练到A/B实验分析的完整闭环能力，以及排查线上线下一致性问题的经验
- 提前复习并准备多模态大模型在推荐/广告场景中的应用方案及特征转化思路
- 梳理过往项目中处理稀疏特征、Embedding建模及长序列兴趣建模的底层逻辑与调优技巧
面试指南
- STAR法则：情境（业务痛点）-> 任务（目标指标）-> 行动（特征设计/模型结构/实验方案）-> 结果（线上收益/指标提升）
- 对比分析法：在回答模型优化或特征工程时，明确Baseline是什么，你的改进点在哪，消融实验的结果如何
- 请详细介绍一个你主导过的CTR/CVR预估模型优化项目，你是如何设计特征并验证其增量价值的？
- 在广告或推荐场景中，如何处理多模态内容特征并将其有效融入排序模型？
- 当离线AUC提升但线上收益未达预期时，你通常的排查思路是什么？
- 针对长序列用户行为建模，你使用过哪些模型结构？如何解决计算复杂度和噪声问题？
- 准备2-3个深度参与的核心项目，能够清晰画出模型架构图、特征流转图，并熟记关键指标的变化
- 了解B站近期的技术博客或开源项目，准备一些结合B站业务场景的算法思考
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
资深算法岗在上市超大型企业中薪资具备较强竞争力，且广告业务属于核心变现部门，绩效奖金与业务收益挂钩紧密。
薪资信号未披露（AI估算：4.5千–7.5万/月）
成长发展
90较高
岗位涉及多模态、大模型、长序列建模等前沿技术，且处于广告核心业务线，技术深度与业务广度均有极大提升空间。
技术前沿前沿/新兴技术
技术栈多模态表征、语义ID、PyTorch、TensorFlow、CTR/CVR预估、大模型、长序列兴趣建模
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式与WLB相关信息，但广告算法岗通常需跟进线上实验与收益，工作节奏可能较快。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
依托B站独特的年轻世代内容生态，算法优化不仅提升商业效率，也间接影响用户的内容消费体验。
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
Watch Jobs