岗位职责
- 围绕B站自然内容、广告创意与商品信息，挖掘用户兴趣及商业意图，建设服务广告召回、粗排、精排的内容特征，提升广告匹配效率和投放效果。
- 负责内容理解特征的设计与建模，将多模态表征、语义ID、内容标签、商品及实体信息，与用户自然行为、广告行为结合，探索用户兴趣序列、候选交叉及长短期兴趣等特征的有效表达和入模方式。
- 参与广告召回与CTR、CVR等预估模型优化，针对不同业务目标和场景开展特征筛选、模型结构优化及消融实验，验证内容信息在已有模型上的增量价值。
- 推动算法从离线调研到线上收益的完整落地，负责数据与特征验证、模型训练评估、线上线下一致性检查及A/B实验分析，持续定位效果瓶颈并迭代优化。
- 与内容理解、推荐算法及工程团队协作，推动内容特征在生产系统中稳定应用，并通过下游实验反馈指导内容理解模型和特征产出的优化。
职位要求
- 计算机科学、人工智能、数学、统计学等相关专业硕士及以上学历。
- 具备搜索、推荐或广告算法实际项目经验，熟悉召回、排序或CTR/CVR预估中的至少一个方向；有从特征设计、模型训练到线上A/B实验的完整经验。
- 具备扎实的特征工程和建模能力，熟悉用户行为序列、用户与物品交叉特征、稀疏特征及Embedding建模；能够结合业务分析特征的覆盖、质量、冗余和增量价值。
- 熟练掌握Python，熟悉PyTorch或TensorFlow等深度学习框架；熟练使用SQL，具备Hive、Spark等大规模数据处理经验及良好的工程实现能力。
- 具备严谨的实验设计和问题定位能力，能够分析离线指标与线上效果的差异，排查数据、特征接入、训练配置及模型应用中的问题。
- 具备良好的业务理解和跨团队协作能力，能够围绕业务目标独立推进算法优化，并对实验结论及落地效果负责。 加分项
- 有内容特征、多模态表征、语义ID或知识实体在搜索、推荐、广告模型中应用并取得线上收益的经验。
- 有长序列兴趣建模、跨域行为建模、冷启动或生成式推荐经验。
- 有大模型、内容理解相关经验，能够将模型产出转化为下游可用的特征或训练信号。
