米哈游
平台研发-推荐算法工程师
平台研发-推荐算法工程师
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
学历未注明
机器学习工程
Pytorch
Tensorflow
协同过滤
多模态
大语言模型
推荐系统
AI 估算 · 25k–40k
上海头部游戏大厂推荐算法校招岗，技术门槛高，薪酬竞争力强，综合年薪约35-56万。
职位详情
关于这个职位
作为米哈游的推荐算法工程师，你将参与游戏社区推荐系统的建设与优化，负责召回、排序、多目标建模等核心算法，并探索大语言模型与多模态技术的应用
工作涉及用户兴趣建模、内容理解、优质内容识别等方向，与产品、运营、数据团队紧密协作，推动算法落地和持续迭代
适合对推荐系统和AI技术有热情、期望在校招中进入头部大厂的应届生
最低要求
届计算机、人工智能、数学、统计学或其他相关专业，具备扎实的数据结构、算法和机器学习基础
熟练掌握 Python、C++、Java 中至少一种编程语言，熟悉 PyTorch、TensorFlow 等至少一种深度学习框架
了解推荐系统常用方法，对协同过滤、Embedding、FM、双塔模型、DIN/DIEN、Learning to Rank、多任务学习等有一定理解
具备良好的问题分析、实验验证和沟通协作能力，对推荐算法、AI 技术及游戏社区业务有热情
工作职责
参与游戏社区推荐系统的建设与优化，围绕召回、排序、多目标建模、多样性、冷启动和流量分配等方向，提升内容分发效率、用户体验及社区活跃度
结合用户游戏行为、内容消费及社区互动数据，开展用户兴趣建模、内容理解、优质内容识别和创作者生态相关算法研发，推动用户增长和内容供给增长
探索大语言模型、多模态模型、生成式推荐等 AI 技术在用户理解、内容理解、语义召回、推荐策略和算法研发流程中的应用
参与数据分析、样本构建、模型训练、离线评估和线上实验，与产品、运营、数据及工程团队协作，推动算法方案落地并持续迭代
优先资格
有推荐、搜索、广告、用户增长、内容理解相关实习、科研或竞赛经验
有大语言模型、多模态、RAG、Agent、模型微调、生成式推荐或 LLM4Rec 相关实践
熟悉 Spark、Hive、Flink 等大数据工具，或在相关领域发表过论文、取得过算法竞赛成绩
AI 洞察
优缺点分析
优点
- 米哈游作为头部游戏大厂，平台大、业务场景丰富，算法落地机会多
- 岗位涉及推荐+LLM+多模态等前沿技术，技术成长空间很大
- 校招薪资具有竞争力，岗位含金量高，对职业起步很有帮助
- 能接触海量用户数据，锻炼解决复杂实际问题的能力
- 算法工程师竞争激烈，对数学基础和编程能力要求高，需要持续学习
- 适合对推荐算法和AI技术有强烈热情、愿意在技术深度上持续投入、并能适应快节奏工作环境的2027届毕业生
缺点 / 挑战
- 游戏社区业务节奏快，可能存在加班压力，需适应高强度工作
- 推荐系统涉及环节多，需要与产品、运营等多方协作，沟通成本较高
角色解读
- 从推荐算法工程师起步，深入业务后成长为算法专家，主导推荐系统核心策略
- 在技术方向深入发展，可向大模型算法、多模态算法等前沿领域扩展
- 未来有机会带团队，转型技术管理或架构师，负责更复杂的算法平台建设
- 负责游戏社区推荐系统的全链路优化，包括召回、排序、多目标建模等算法设计与迭代
- 利用用户游戏和社区行为数据，进行兴趣建模、内容理解和优质内容识别，提升分发效率
- 探索大语言模型、多模态等前沿技术在推荐场景的应用，推动算法创新
- 参与数据处理、模型训练、离线评估和线上实验，与多团队协作落地算法方案
- 扎实的机器学习基础和数据结构算法功底，熟悉常用推荐模型如双塔、DIN等
- 熟练掌握Python/C++/Java至少一种，能使用PyTorch或TensorFlow进行模型开发
- 理解推荐系统的核心问题，具备实验设计和数据分析能力
- 对LLM、多模态等新技术有热情，愿意主动学习并应用到实际业务
申请策略
- 关注米哈游技术博客或社区，了解其推荐系统技术栈和业务方向
- 在面试中展示对游戏社区用户行为的理解，表明你对该业务的热情
- 突出推荐、搜索、广告等相关项目或实习经历，量化展示效果提升（如CTR、GMV提升等）
- 强调编程能力和深度学习框架使用经验，如GitHub代码或比赛成绩
- 如果有LLM、多模态相关实践，务必体现，这是加分亮点
- 展示数学和算法功底，如竞赛获奖、论文发表等
- 熟悉推荐系统经典模型，如FM、DIN、DIEN，并手推核心公式
- 补强工程能力，掌握Spark、Hive等大数据工具，了解推荐系统离线流程
面试指南
- 对于项目类问题，采用STAR法则：情境→任务→行动→结果，重点突出你的思考和贡献
- 对于模型对比类问题，可从模型结构、优缺点、使用场景、实验效果等维度展开
- 对于开放性问题，先定义问题，再给出方案框架，最后说明权衡和取舍
- 请详细讲一个你做过的推荐项目，包括问题定义、特征工程、模型选择和效果评估
- 对比双塔模型和DIN模型的特点和适用场景
- 如何解决推荐系统中的冷启动问题？
- 你如何看待大语言模型在推荐系统中的应用？请举例说明
- 面对某个推荐指标下降，你会如何排查和解决？
职位点评
71
综合评分
米哈游上海推荐算法校招岗，前沿技术栈，高薪高成长，但WLB未明确。
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
最适合追求技术深度快速成长、对AI前沿有浓厚兴趣、能接受一定工作强度的应届生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活50
使命价值60
薪资福利
75中等
米哈游作为头部大厂，校招薪资和福利在行业内具有竞争力，但JD未明确具体数字，综合来看补偿性需求能满足得较好。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
该岗位涉及推荐系统与LLM、多模态等前沿技术，技术深度和平台资源都很丰富，对技术成长非常有帮助。
技术前沿前沿/新兴技术
技术栈推荐系统、大语言模型、多模态、PyTorch、TensorFlow、协同过滤、DIN、DIEN
业务类型profit_center
工作生活
50较低
职位仅标注上海现场办公，JD未提及弹性工时或远程，游戏大厂普遍节奏偏快，生活平衡满足度一般。
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
60中等
游戏社区业务能带来直接的用户价值，但社会意义相对中性，岗位旨在提升用户体验和活跃度，具有一定成就感。
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
米哈游 的其他在招职位
相似职位推荐
Watch Jobs