哔哩哔哩
【B-UP】推荐算法工程师（实习）
【B-UP】推荐算法工程师（实习）
发布于 大约 15 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
学历未注明
软件工程
深度学习
PyTorch
SQL
TensorFlow
LLM
推荐系统
多模态
大模型
AI 估算 · 3k–6k
上海实习薪资通常按日结算，参考B站规模和行业标准，月薪约3000-6000元，属于合理范围。
职位详情
关于这个职位
该实习职位将深入参与B站核心推荐系统的研发，涉及视频、直播、社区互动等多场景的算法优化
你将有机会接触大规模用户行为数据，实践召回、排序、多目标学习等经典技术，并探索大模型在推荐中的应用
适合对推荐系统、深度学习和大模型有浓厚兴趣，希望在真实业务场景中快速成长的在校学生
最低要求
计算机、人工智能、软件工程、数学、统计、电子信息、自动化等专业优先
具备扎实的数据结构、算法和机器学习基础，了解推荐系统常见方法，如召回、排序、多目标学习、Embedding、序列建模、CTR/CVR 预估等
熟练掌握 Python / C++ / Java / Scala 中至少一门编程语言，具备良好的工程实现能力和代码习惯
熟悉 PyTorch / TensorFlow 等深度学习框架，有模型训练、调参、评估或实验经验
具备数据分析能力，熟悉 SQL / Hive / Spark / Flink 等工具者优先
对推荐系统、内容社区和用户体验有兴趣，能结合业务目标和内容生态思考算法问题
具备良好的逻辑思维、学习能力、沟通协作能力，能主动拆解和推进问题
了解大模型、RAG、Prompt Engineering、Agent、多模态理解、语义检索等方向，并愿意探索其在推荐场景中的应用
工作职责
参与 B 站个性化推荐算法研发，优化召回、粗排、精排、重排、多目标排序等核心链路，提升内容分发效率与用户体验
基于用户行为数据，包括播放、点击、点赞、投币、收藏、关注、分享、评论、弹幕、点踩、不感兴趣等信号，构建用户兴趣建模、内容表征和多目标学习方案
参与视频、直播、评论、弹幕等 B 站特色内容场景的推荐策略优化，探索兴趣发现、内容多样性、新内容冷启动、UP 主成长扶持、社区质量治理等问题
跟踪推荐系统、深度学习、大模型、多模态理解、图学习、强化学习、生成式推荐等前沿技术，并推动在真实业务场景中的实验和落地
参与推荐系统数据链路、特征工程、离线训练、在线推理、A/B 实验和效果分析，协助优化大规模推荐服务的稳定性与性能
深入理解产品和业务，通过数据分析发现推荐机制中的问题，提出可验证的算法或策略改进方案，并与产品、工程、运营团队协同推进
参与大模型 API 在推荐系统中的应用探索，包括内容标签生成、视频摘要、评论/弹幕理解、用户兴趣归因、推荐理由生成、冷启动内容理解等方向
结合 LLM、多模态模型与传统推荐算法，探索更高质量的内容表征、用户画像构建、意图理解、候选召回增强和排序特征增强方案
基于大模型能力设计离线标注、弱监督数据构造、特征蒸馏、语义匹配、兴趣聚类等算法流程，提升推荐系统对长尾内容、新内容和复杂兴趣的理解能力
参与大模型推荐相关实验评估，关注模型调用成本、延迟、稳定性、可解释性与线上收益之间的平衡，推动方案从原型验证走向业务落地
优先资格
有推荐、搜索、广告、信息流、视频/直播推荐、内容理解、NLP、多模态、图学习或大模型应用相关项目经验
熟悉大规模推荐系统链路，包括召回、粗排、精排、重排、特征工程、在线服务、A/B 实验等模块
有 LLM4Rec、生成式推荐、语义召回、向量检索、自动标注、推荐解释、用户兴趣建模等实践经验
有调用 OpenAI、Claude、Gemini、Qwen、DeepSeek、豆包、通义千问等大模型 API 的项目经验，并能结合推荐目标设计评估方式
熟悉 Prompt 优化、RAG、Embedding 检索、LoRA/SFT、模型蒸馏、向量数据库、离线评测集构建等技术者优先
有顶会论文、科研经历，或算法、机器学习竞赛优秀成绩者优先
是 B 站深度用户、UP 主，或对 B 站内容生态、社区文化、互动机制、创作者成长机制有理解者优先
AI 洞察
优缺点分析
优点
- B站是知名互联网上市公司，平台大、用户量高，项目规模和质量有保障
- 实习可以接触推荐系统完整链路和大模型应用，技术前沿性强，简历含金量高
- 团队注重前沿技术探索，如LLM4Rec、多模态等，能积累宝贵经验
- 有明确的全职转正机会，表现优秀可提前锁定秋招offer
- 推荐系统和技术栈复杂度高，需要快速学习大量知识，实习节奏较快
- 大模型在推荐中的应用处于探索阶段，可能面临不确定性，需要较强的自驱力
- 需要较强的工程能力，数据处理和实验分析工作量大，对细节要求高
缺点 / 挑战
- 适合对推荐系统、深度学习和大模型有浓厚兴趣，愿意在真实场景中挑战高难度算法的在校学生，尤其是计算机、AI相关专业的研究生或高年级本科生
角色解读
- 从实习岗位出发，可以成长为推荐算法工程师，深入掌握大规模推荐系统全链路技术
- 有机会向大模型推荐、多模态理解等前沿方向拓展，成为算法专家或技术负责人
- 积累业务理解能力后，可转向推荐产品经理或AI解决方案架构师等复合角色
- 参与B站个性化推荐算法研发，优化召回、排序等多阶段链路，提升内容分发效率
- 基于用户行为数据（播放、点赞、投币等）构建用户兴趣模型和多目标学习方案
- 探索大模型在推荐中的应用，如内容标签生成、视频摘要、推荐理由生成等
- 参与推荐系统数据链路、A/B实验和效果分析，协同产品和工程团队推进优化
- 扎实的数据结构、算法和机器学习基础，了解推荐系统常见方法
- 熟练使用Python/C++/Java/Scala至少一门语言，具备工程实现能力
- 熟悉PyTorch或TensorFlow等深度学习框架，有模型训练经验
- 具备数据分析能力，熟悉SQL/Hive/Spark等工具
- 对大模型、RAG、多模态有了解
申请策略
- 了解B站的内容生态和社区文化，面试中展现对B站产品的理解和热情
- 准备一段关于推荐算法改进的想法，可以针对B站的具体场景（如弹幕、动态）提出方案
- 突出推荐系统或相关领域的项目经验，如召回、排序、CTR预估等
- 展示对深度学习框架（PyTorch/TensorFlow）的熟练使用，附上GitHub链接
- 如果有大模型相关项目（如LLM API调用、RAG、Prompt工程），务必重点强调
- 如有竞赛获奖（Kaggle、天池等）或论文发表，放在显眼位置
- 补充推荐系统理论知识，特别是多目标学习、特征交叉、图神经网络等
- 动手实现一个简单的推荐系统（基于MovieLens等公开数据集），理解全流程
面试指南
- 结构化回答：先讲概念，再讲自己的理解，结合具体实例或项目
- 对于设计类问题，从问题定义、难点、方案选型、实验验证四个层面展开
- 对于场景题，结合B站特色（弹幕、UP主、社区氛围）思考，展现业务洞察
- 请介绍一下推荐系统中召回、粗排、精排、重排的作用和常用方法
- 如何解决推荐系统中的冷启动问题？请举例说明
- 大模型在推荐系统中可能有哪些应用？请谈谈你的理解
- 假设B站用户观看了一个视频，请设计一个多目标排序模型，考虑哪些目标？
- 你过去做过的推荐或相关项目，遇到的最大挑战是什么，如何解决？
职位点评
68
综合评分
B站推荐算法实习，技术前沿、成长空间大，薪资福利一般，适合追求技术提升的在校生。
更适合这类人
非常适合以技能成长和职业生涯发展为核心动机的求职者，尤其希望在大厂积累前沿技术经验的学生。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利50
成长发展90
工作生活60
使命价值70
薪资福利
50较低
实习薪资一般为市场中等水平，但B站平台背书对求职简历价值高，福利方面JD未提及具体福利。
薪资信号未披露（AI估算：3K-6K/月）
成长发展
90较高
该职位涉及推荐系统完整链路和大模型前沿技术，技能成长空间极大，且有明确的实习转正机会。JD中提及前沿技术探索和业务落地，发展性动机高度满足。
技术前沿前沿/新兴技术
技术栈推荐系统、深度学习、大模型、多模态、图学习、强化学习、生成式推荐、LLM、RAG、Prompt Engineering
业务类型profit_center
工作生活
60中等
仅现场办公，工作地点在上海，未提及弹性或远程，但作为实习通常有正常工时，WLB适中。
工作模式仅现场办公
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
B站作为年轻人群体的内容社区，通过推荐算法提升用户体验和内容多样性具有一定社会价值，但整体使命感不强。
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