哔哩哔哩
模型工程研发工程师【2027届】
模型工程研发工程师【2027届】
发布于 大约 2 小时前普通员工/个人贡献者
上海市
无经验要求
全职员工
仅现场办公
本科
机器学习工程
Cuda
Gpu
Llm
Pytorch
Tensorflow
Tensorrt
分布式训练
AI 估算 · 20k–35k
B站上市大厂，模型工程岗位技术门槛高，应届生薪资竞争力强，15薪合理。
职位详情
关于这个职位
该职位负责B站搜索推荐模型的核心工程优化，包括分布式训练、高并发推理、超大Embedding存储及GPU异构计算
你将深度参与千亿级参数模型的全链路建设，并探索LLM与搜推系统的融合，适合对大规模机器学习系统有浓厚兴趣的应届生
最低要求
届应届毕业生，计算机相关专业本科及以上学历，具备扎实的C++/Python编程功底，熟悉Linux开发环境
有GPU异构计算实践经验，熟悉CUDA编程、TensorRT部署或编译优化技术（TVM/XLA/算子融合）在模型推理加速中的应用
有搜推模型训练或推理经验优先，了解PyTorch/TensorFlow等框架的底层机制，熟悉稀疏Embedding的分布式多级存储设计、超长行为序列建模、GPU多机多卡扩展与Scaling优化
熟练使用AI agent能力者优先
工作职责
分布式模型训练：深度参与B站搜推模型分布式训练框架的设计与演进，优化数据并行与模型并行策略，提升训练吞吐与稳定性，支撑千亿级稀疏参数的高效训练
高并发在线推理：设计并优化支撑毫秒级延迟、高QPS的模型Serving架构，涉及计算图优化（XLA/图融合）、算子融合、模型量化及异步流水线调度，满足搜推实时打分需求
超大Embedding存储与检索：突破千亿规模Embedding表的存储、分片（Sharding）、增量更新及高频检索的技术瓶颈，优化GPU显存管理与Host-Device数据搬运效率
GPU异构计算与Scaling：优化GPU多卡/多机训练与推理的横向扩展性，结合CUDA Kernel优化、TensorRT部署及编译优化技术，支撑超长用户行为序列（10K+）建模与模型参数持续Scaling Up
下一代智能分发系统：参与构建面向大模型时代的智能内容分发架构，探索LLM与搜推系统的融合，用技术创造快乐，一起构建支撑亿万年轻人内容消费的智能引擎
优先资格
有搜推模型训练或推理经验优先
熟练使用AI agent能力者优先
AI 洞察
优缺点分析
优点
- B站核心岗位，技术深度大，涉及千亿参数规模系统
- 前沿技术栈（CUDA、TensorRT、LLM），市场价值高
- 公司上市，平台稳定，资源充足
- 参与从训练到推理全链路，成长空间大
- 技术难度高，需要扎实的底层系统知识
- 搜推荐系统通常对延迟和稳定性要求苛刻，可能存在高压
- 需要持续学习新技术，紧跟大模型发展
缺点 / 挑战
- 适合对高性能计算、分布式系统有强烈热情，愿意挑战大规模机器学习系统的技术型应届生
角色解读
- 从模型工程工程师成长为搜索推荐系统架构专家
- 可深入GPU高性能计算方向，成为异构计算领域人才
- 结合LLM趋势，向大模型推理优化和AI基础设施方向发展
- 设计并优化B站搜索推荐模型的分布式训练框架，提升训练吞吐与稳定性
- 构建毫秒级延迟的模型Serving架构，包括计算图优化、算子融合和量化
- 攻克千亿规模Embedding表的存储、分片与检索难题
- 探索LLM与搜推系统融合，参与下一代智能分发架构建设
- 扎实的C++/Python编程能力和Linux开发环境
- 熟悉CUDA编程、TensorRT部署或TVM/XLA等编译优化技术
- 了解PyTorch/TensorFlow底层机制，有GPU多卡多机训练经验
- 熟悉分布式系统、稀疏Embedding存储和模型推理优化
申请策略
- 关注B站技术博客和开源项目，了解其技术栈
- 在简历中体现对大规模系统的兴趣和解决问题的能力
- 突出GPU编程项目经验，如CUDA优化或TensorRT部署
- 如有分布式训练经验，详细描述系统设计和优化成果
- 展示对PyTorch/TensorFlow底层机制的理解
- 如果有搜推领域的实习或项目，重点突出
- 深入学习CUDA编程和GPU架构，完成一个优化项目
- 熟悉TensorRT或TVM等推理优化工具
面试指南
- 项目经验类：用STAR法则，突出遇到的挑战和解决方案
- 系统设计类：从需求出发，分析瓶颈，提出方案，考虑扩展性和稳定性
- 技术原理类：深入理解底层机制，如CUDA并行模型、分布式通信等
- 介绍一下你在GPU优化方面的项目经验和具体优化手段
- 如何设计一个分布式训练系统来支持千亿参数模型？
- 解释一下Embedding表的分布式存储方案和更新策略
- 你对模型量化了解多少？如何保证精度不损失？
- 如何看待LLM在搜索推荐系统中的应用？
职位点评
73
综合评分
核心算法工程岗，技术前沿成长快，薪资有竞争力，但工作强度不确定。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
该职位最适合以技术成长为核心追求，热爱大规模机器学习系统，对薪资水准和WLB没有强烈执念的应届生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展92
工作生活45
使命价值70
薪资福利
70中等
职位未明确薪资，但基于B站规模和核心岗位，薪资竞争力较强，福利体系完善的可能性高。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
92较高
岗位涉及分布式训练、GPU优化、LLM等前沿技术，能极大提升技术深度与广度，成长信号强烈。
技术前沿前沿/新兴技术
技术栈C++、Python、CUDA、TensorRT、PyTorch、TensorFlow、分布式训练、Embedding、GPU、LLM
业务类型profit_center
工作生活
45较低
职位要求现场办公，未提及弹性工作，且搜推荐系统可能涉及高并发压力，生活平衡度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
参与构建亿万年轻人内容消费的智能引擎，使命明确，但同时是商业驱动，社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
使命信号用技术创造快乐
创新程度积极采用新技术
哔哩哔哩 的其他在招职位
相似职位推荐
Watch Jobs