哔哩哔哩
翻译大模型算法工程师
翻译大模型算法工程师
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公NLP工程
NLP工程
Dpo
Nlp
Prompt优化
Pytorch
Rlhf
大模型微调
机器翻译
模型量化
值不值得投
78综合评分
综合评分 78
头部视频平台大模型核心算法岗，技术栈前沿、成长空间大，薪资具竞争力但WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比NLP工程中位数低
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 570 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
该职位主要负责多语种翻译大模型的全流程研发与优化，包括基座模型微调、指令对齐、语料库建设及效果评测
你需要针对机器翻译的核心痛点进行专项优化，并配合工程团队完成模型的轻量化部署，以提升翻译质量和线上服务性能
最低要求
本科及以上学历，计算机、人工智能、自然语言处理、机器学习、大数据等相关专业，1-3年机器翻译、多语言大模型、NLP算法研发落地经验
精通Transformer核心架构，熟悉多语言预训练模型、机器翻译核心原理，熟练掌握大模型微调、对齐、Prompt工程等专项技术
熟练使用PyTorch训练框架，具备独立完成大模型微调、数据处理、模型评测、效果优化的完整实操能力，熟悉分布式训练、模型优化基础原理
熟悉主流多语言/翻译开源模型（Qwen-MT、LLaMA、MarianMT、M2M-100等），具备真实的翻译模型迭代优化、问题排查实战经验
熟练掌握Python编程，熟悉语料清洗、数据增强、文本预处理等工具与方法，具备良好的代码能力和工程素养
具备良好的问题拆解能力和复盘能力，能够精准定位翻译模型问题并落地优化，有较强的执行力和团队协作能力
工作职责
参与多语种翻译大模型全流程研发，负责基座模型微调、翻译专项SFT、指令对齐、Prompt优化、样本筛选与迭代工作，持续提升模型通用翻译、长文本翻译、领域翻译的效果与稳定性
针对机器翻译核心痛点开展专项优化，包括多语种一致性优化、低资源小语种翻译效果提升、长上下文翻译歧义消解、专业术语精准度优化、上下文连贯性优化等，解决实际业务中的翻译质量问题
参与翻译语料库的建设、清洗、筛选、质控与扩充，负责高质量翻译样本构建、脏数据过滤、数据分布优化，搭建适配大模型训练的翻译数据体系，支撑模型迭代升级
负责翻译模型日常效果评测，熟练使用BLEU、COMET、BLEURT等自动评测指标，配合人工评测机制完成模型效果复盘，精准定位模型缺陷，输出优化方案并落地验证，形成迭代闭环
跟踪机器翻译、多语言大模型、大模型对齐、RLHF、蒸馏量化等行业前沿技术，结合业务场景完成技术落地与创新优化，参与技术调研、方案验证与技术沉淀
工程协同与模型优化：配合工程团队完成模型量化、蒸馏、轻量化适配与部署迭代，优化模型推理速度、显存占用，兼顾翻译效果与线上服务性能，保障线上模型稳定运行
优先资格
有大厂机器翻译、多语言大模型、NLP大模型相关项目落地经验者优先
精通低资源语种翻译、长文本翻译、法律/医疗/金融等垂直领域专业翻译优化者优先
熟悉RLHF、DPO等大模型对齐技术，有翻译模型对齐优化实战经验者优先
在ACL、EMNLP、NAACL等NLP顶会有相关论文阅读、复现或发表经验者优先
熟悉多模态翻译、语音文本联合翻译优化、模型轻量化部署者优先
AI 洞察
优缺点分析
优点
- 处于大模型与NLP技术前沿，能接触到多语种翻译、RLHF等核心技术，技术含金量高
- 依托超大型平台的丰富业务场景和海量数据，有利于模型效果的快速验证与技术落地
- 公司平台大，技术氛围好，有利于个人技术影响力和行业竞争力的提升
- 适合具备1-3年NLP或大模型经验，对机器翻译有浓厚兴趣，且具备较强代码能力和钻研精神的算法工程师
缺点 / 挑战
- 大模型技术迭代极快，需要持续跟踪前沿论文和技术，学习压力较大
- 机器翻译在低资源语种和长文本等场景下存在诸多技术难点，优化工作具有较高挑战性
角色解读
- 可向资深大模型算法专家方向发展，深耕NLP与机器翻译前沿技术
- 也可向大模型技术负责人或AI架构师转型，负责整体模型方案设计与团队技术规划
- 负责多语种翻译大模型的全流程研发，包括基座模型微调、指令对齐和Prompt优化
- 针对机器翻译的核心痛点（如低资源语种、长文本歧义等）进行专项优化，提升翻译质量
- 参与翻译语料库的建设与质控，并配合工程团队完成模型的量化与轻量化部署
- 精通Transformer架构及PyTorch框架，具备大模型微调、RLHF/DPO对齐的实操能力
- 熟悉主流多语言开源模型（如Qwen-MT、LLaMA等），有真实的翻译模型迭代优化经验
- 熟练掌握Python编程及数据处理工具，具备良好的代码能力和工程素养
申请策略
- 了解哔哩哔哩的国际化业务或相关翻译产品，思考大模型在其中的应用场景和优化空间
- 准备好过往项目中遇到的翻译模型bad case及你的排查、优化思路，面试时可能会深入考察
- 重点突出在大模型微调、SFT、RLHF/DPO对齐等方面的实际项目经验和落地成果
- 展示在机器翻译、多语言模型优化方面的具体案例，如低资源语种提升、长文本歧义消解等
- 强调在语料清洗、数据增强及模型评测（BLEU、COMET等）方面的完整实操能力
- 深入学习RLHF、DPO等大模型对齐技术，以及模型量化、蒸馏等轻量化部署方案
- 关注ACL、EMNLP等NLP顶会的最新机器翻译和多语言大模型论文，提升理论深度
面试指南
- 采用STAR法则（情境、任务、行动、结果）来描述项目经验，重点突出你解决的具体技术难点和最终的业务收益
- 对于技术原理问题，先简述核心概念，再结合具体代码或模型结构进行解释，最后说明在实际场景中的应用
- 在低资源小语种翻译中，你是如何提升翻译效果的？遇到了哪些具体困难？
- 请介绍一下你在项目中如何进行大模型指令对齐（SFT/RLHF/DPO）的？效果如何评估？
- 针对长上下文翻译中的歧义消解和连贯性问题，你有哪些优化策略？
- 在模型量化和蒸馏部署时，如何平衡翻译效果与推理速度/显存占用？
- 复习Transformer、大模型微调（LoRA、P-Tuning等）、RLHF/DPO的核心原理及PyTorch实现细节
- 熟悉BLEU、COMET、BLEURT等评测指标的计算原理及优缺点，了解人工评测与自动评测的结合方式
职位点评
薪资福利80
成长发展90
工作生活60
使命价值75
薪资福利
80较高
作为已上市超大型企业的核心算法岗，薪资福利具备市场竞争力，但具体薪资未披露。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位涉及大模型前沿技术，技术栈先进，且要求跟踪行业前沿，发展性极强。
技术前沿前沿/新兴技术
技术栈Transformer、PyTorch、大模型微调、SFT、RLHF、DPO、Prompt优化、模型量化、蒸馏
成长机会行业前沿技术、技术调研、方案验证、技术沉淀
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式和WLB相关信息，但作为核心算法岗，通常工作节奏较快。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
机器翻译有助于打破语言障碍，促进跨文化交流，具有一定的社会价值，且处于AI高速发展赛道。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs