Bilibili logo
哔哩哔哩
NLP/LLM算法工程师-搜索业务

NLP/LLM算法工程师-搜索业务

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 3.0–6.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公NLP工程
NLP工程
Llm
Nlp
Rag
多模态
推理优化
搜索算法
模型训练

值不值得投

76综合评分

综合评分 76

前沿LLM技术驱动、高成长潜力、大厂平台背书,但需做好应对高强度研发压力的准备

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

4.5万

比NLP工程中位数高

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 910 个在招

市场机会

选择适中

上海 · NLP工程 · 27 个在招

职位详情

关于这个职位

负责哔哩哔哩搜索业务的大模型算法研发,利用LLM Ranking、COT蒸馏等技术优化搜索相关性与查询理解

构建视频多模态内容理解能力,探索Agent+Harness自动化工作流,并通过模型压缩与推理优化推动技术在线落地,提升用户体验与业务指标

最低要求

计算机等相关专业本科及以上学历,具备3–8年NLP、搜索算法或大模型相关经验

具备扎实的机器学习与自然语言处理基础,在大模型训练、语义匹配或多模态建模方面有深入实践
熟练使用Python,熟悉主流的大模型训练与推理框架,并具备相应的工程实践经验
具备从数据构建到在线实验的完整项目经验,能够以用户体验和业务指标验证技术价值
熟练使用Claude Code、Codex、DSH、Kimi Code或同类AI编程工具,能够将Coding Agent应用于算法研发和实验诊断,并建立可靠的结果校验习惯
持续跟进大模型搜索、多模态和智能体领域进展,具备快速实践与生产落地能力

工作职责

结合大模型技术优化搜索相关性,探索LLM Ranking、COT蒸馏等方法,提升复杂意图和长尾查询的满足度

建设查询理解能力,提升模型对用户意图、实体和时效需求的理解,支持查询改写与检索规划
建设视频多模态内容理解能力,联合建模视听内容、文本语义与社区反馈,支持细粒度检索和高质量内容发现
探索Agent+Harness的算法研发方式,建设自动标注、相关性判断和困难样本分析工作流,提升内部相关性识别与内容理解的效果上限
建设模型训练与评测闭环,应用持续预训练、SFT、DPO/GRPO、RLVR等技术,结合LLM as Judge和合成数据提升模型迭代效率
推动模型在搜索业务稳定落地,通过模型压缩和推理优化提升在线服务的效果、时延与成本表现

优先资格

有搜索、多模态检索或视频理解等业务落地经验

在ACL、SIGIR、NeurIPS等相关会议发表过成果,或有高影响力开源实践

AI 洞察

优缺点分析

优点

  • 聚焦大模型与搜索结合的前沿领域,技术栈极具竞争力和行业前瞻性
  • 依托哔哩哔哩海量视频数据与活跃社区,拥有独特的多模态业务场景
  • 明确引入Agent工作流与AI编程工具,体现公司对研发效能创新的重视
  • 上市公司平台,资源充足,有利于接触大规模工业级落地实践
  • 多模态与大模型结合的技术难点多,需持续跟进最新学术进展并快速转化
  • 适合拥有扎实NLP/搜索背景,对大模型前沿技术有热情,且具备强工程落地能力的资深算法工程师

缺点 / 挑战

  • 3-8年经验要求较高,需具备深厚的理论功底与丰富的实战落地经验
  • 在线服务对时延与成本敏感,模型压缩与优化压力大,需兼顾效果与性能

角色解读

  • 向大模型搜索架构师方向发展,主导核心算法策略与技术选型
  • 拓展至多模态大模型通用研究,探索更广泛的AIGC应用场景
  • 晋升为算法团队Tech Lead,带领团队攻克行业级难题
  • 研发基于大模型的搜索排序与相关性优化算法,解决复杂查询意图理解问题
  • 构建视频多模态内容理解模型,融合视听、文本与社区反馈数据进行联合建模
  • 搭建自动化算法研发工作流(Agent+Harness),提升数据标注与模型迭代效率
  • 负责模型从训练、评测到在线部署的全链路优化,平衡效果、时延与成本
  • 扎实的NLP与大模型理论基础,精通LLM训练(SFT/DPO等)及推理框架
  • 丰富的搜索算法经验,熟悉查询理解、检索规划及多模态检索技术
  • 熟练的Python工程能力,能独立构建从数据处理到在线实验的完整闭环
  • 掌握AI编程工具(如Claude Code等),具备利用Agent辅助算法研发的能力

申请策略

  • 关注哔哩哔哩搜索业务的痛点,思考如何利用大模型解决长尾查询与复杂意图问题
  • 准备详细的项目案例,重点阐述技术选型理由、遇到的挑战及解决方案
  • 了解公司近期在AIGC领域的布局,展现对业务方向的理解与契合度
  • 突出大模型训练(SFT/DPO/RLHF)及搜索相关性优化的具体项目成果与指标提升
  • 展示多模态数据处理与模型构建经验,特别是视频/音频内容的理解能力
  • 强调工程落地能力,包括模型压缩、推理加速及在线实验平台建设经验
  • 提及使用AI编程工具提升研发效率的案例,展现技术敏锐度与创新意识
  • 深入学习LLM前沿技术(如MoE、Long Context、Tool Use等)及其在搜索中的应用

面试指南

  • STAR法则:清晰描述情境(Situation)、任务(Task)、行动(Action)与结果(Result)
  • 技术深度:深入讲解算法原理、模型结构选择依据及关键参数调优过程
  • 业务价值:量化技术指标提升对用户体验与业务指标的具体贡献
  • 反思总结:分享项目中的教训、改进空间及对后续工作的启示
  • 请详细介绍你在大模型搜索相关性优化方面的具体实践与成果
  • 如何设计一个高效的多模态内容理解模型,以支持视频搜索?
  • 在模型训练过程中,如何处理数据噪声与分布偏移问题?
  • 请谈谈你对Agent在算法研发中应用的看法,并举例说明

职位点评

薪资福利85
成长发展95
工作生活40
使命价值70

薪资福利

85较高

作为已上市互联网大厂的核心算法岗位,通常提供具有市场竞争力的薪酬包,包含高额奖金与股票期权,对补偿性动机满足程度较高。

薪资信号未披露(AI估算:3.0千–6.0万/月)

成长发展

95较高

职位聚焦大模型、多模态、Agent等最前沿技术领域,且明确要求跟进最新进展,为技术人员提供了极佳的技术成长与视野拓展机会。

技术前沿前沿/新兴技术
技术栈LLM、NLP、多模态、Agent、SFT、DPO、RLVR、Python
成长机会持续跟进大模型搜索、多模态和智能体领域进展
业务类型profit_center

工作生活

40较低

互联网大厂核心研发岗位通常工作节奏较快,虽未明确提及加班文化,但高强度技术研发与业务落地压力暗示WLB可能受限。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

70中等

通过优化搜索体验提升用户获取信息的效率,具有一定的社会价值;同时探索AIGC技术在视频领域的应用,符合行业发展趋势。

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
Watch Jobs