高级/资深搜索算法工程师-精排方向

优缺点分析

角色解读

• 技术方向：从精排算法工程师成长为技术专家，主导搜索或推荐系统的核心算法架构
• 管理方向：可向技术负责人（TL）或算法团队经理发展，带领团队完成业务目标
• 交叉方向：积累多模态、大模型经验后，可转向AI平台、内容理解等前沿领域
• 负责B站搜索精排模型的迭代优化，通过改进排序算法提升点击率、转化率和用户观看时长
• 利用超长用户行为序列建模技术，深度挖掘用户兴趣演化，实现个性化排序
• 探索大模型在精排中的应用，如多模态内容理解和语义特征表示，增强模型对视频内容的理解
• 建设多维特征体系，并引入Scaling Law、知识蒸馏等前沿技术升级模型架构
• 扎实的机器学习和深度学习理论基础，熟悉排序模型（如DIN、DIEN、多目标MMOE等）
• 精通Python或C++，熟练使用PyTorch或TensorFlow，能独立实现和调试复杂模型
• 具备大规模数据处理能力，熟悉Spark、Hive、Flink等大数据工具
• 对前沿技术保持敏感，有模型创新和落地经验，了解大模型、对比学习等

申请策略

• 在面试中多展示实际业务效果，如A/B测试提升了多少指标
• 关注B站的技术博客和开源项目，了解团队技术风格
• 重点突出精排模型相关的项目经验，如CRT/CVR预估、个性化排序、多目标优化等
• 列出顶会论文或开源贡献，尤其是KDD、SIGIR、RecSys等
• 强调大规模数据处理能力（Spark/Hive）和深度学习框架（PyTorch/TensorFlow）的熟练程度
• 体现你对B站业务的理解，如二次元社区生态或视频推荐场景
• 如果对多任务学习、对比学习不熟悉，建议复习MMOE、PLE等经典模型
• 了解大模型在搜索推荐中的应用，如LLM做语义特征或生成式排序

面试指南

• 对于模型介绍类问题，建议按：业务背景→模型选型→特征工程→离线/在线效果→迭代经验
• 对于开放性问题（如大模型应用），先总结现状，再提出自己的技术方案，最后讨论可行性和风险
• 对于业务理解题，结合B站特色（Z世代、社区、弹幕）给出差异化思考
• 请详细介绍一下你之前做的精排模型，包括特征、模型结构、效果提升
• 如何处理多目标排序中的平衡问题？介绍你熟悉的框架（如MMOE、PLE）
• 大模型在搜索排序中如何应用？有没有实际落地的案例或想法？
• 描述一次你用深度学习模型解决业务问题的经历，遇到过什么困难？
• 对B站搜索场景的理解：用户搜索行为有什么特点？如何优化长尾query？