资深推荐算法工程师-PUSH方向

优缺点分析

角色解读

• 技术深度方向：成为推荐系统领域的专家，深入LLM与推荐结合的前沿研究
• 技术广度方向：横向扩展至用户增长、内容理解等关联领域，成为全栈算法负责人
• 管理方向：从技术骨干晋升为技术负责人或团队Leader，带领团队攻克核心难题
• 负责B站PUSH推荐全链路算法的设计与迭代，包括召回、粗排、精排各环节的优化
• 基于用户增长目标规划中长期技术路线，探索Scaling Up、序列建模、跨域迁移学习、LLM for推荐等前沿方向
• 结合内容生态与用户场景，通过多目标优化协同提升推送效率与用户长期留存
• 与产品、运营、工程团队紧密合作，推动算法落地并持续迭代
• 扎实的推荐系统理论基础，5年以上工业界精排模型研发经验
• 在Scaling Up、序列建模、跨域迁移学习或LLM for推荐方向有实际项目经验
• 具备从0到1主导项目落地的能力，能够独当一面解决问题
• 良好的跨团队沟通协作能力，能够与产品、运营、工程高效配合

申请策略

• 深入了解B站的内容生态和用户场景，思考PUSH推荐与社区文化的结合点
• 准备一个完整的推荐系统项目案例，从问题定义、方案设计到上线效果全链路阐述
• 突出推荐系统精排模型的具体项目经验，尤其是系统性认知和实战成果（如AUC提升、业务指标改善）
• 强调在Scaling Up、序列建模、跨域迁移或LLM for推荐方向上的实际落地案例
• 展示主导从0到1项目的经历，以及跨团队协作推动结果达成的能力
• 量化项目成果，如推送点击率提升、用户留存率优化等指标
• 补充LLM与推荐结合的最新论文和技术实践，了解业界前沿方案
• 强化多目标优化和用户增长相关知识，理解业务逻辑

面试指南

• 项目介绍使用STAR法则：背景、目标、行动、结果，重点突出技术细节和创新点
• 开放性技术问题先梳理观点，分点阐述，结合实际案例说明可行性
• 协作问题强调沟通策略和量化目标对齐，用具体事例展示推动力
• 请介绍一个你主导的推荐系统精排模型优化项目，包括技术方案、遇到的挑战和最终效果
• 你对LLM for推荐有哪些理解？你认为LLM在PUSH推荐中可能的落地方式是什么？
• 如何平衡推送频率与用户体验？请设计一个多目标优化方案
• 在Scaling Up方向，你有哪些实践经验？如何处理大规模稀疏特征？
• 当与产品、运营意见不一致时，你如何推动技术方案落地？