岗位职责
- 参与 B 站个性化推荐算法研发，优化召回、粗排、精排、重排、多目标排序等核心链路，提升内容分发效率与用户体验。
- 基于用户行为数据，包括播放、点击、点赞、投币、收藏、关注、分享、评论、弹幕、点踩、不感兴趣等信号，构建用户兴趣建模、内容表征和多目标学习方案。
- 参与视频、直播、评论、弹幕等 B 站特色内容场景的推荐策略优化，探索兴趣发现、内容多样性、新内容冷启动、UP 主成长扶持、社区质量治理等问题。
- 跟踪推荐系统、深度学习、大模型、多模态理解、图学习、强化学习、生成式推荐等前沿技术，并推动在真实业务场景中的实验和落地。
- 参与推荐系统数据链路、特征工程、离线训练、在线推理、A/B 实验和效果分析，协助优化大规模推荐服务的稳定性与性能。
- 深入理解产品和业务，通过数据分析发现推荐机制中的问题，提出可验证的算法或策略改进方案，并与产品、工程、运营团队协同推进。
- 参与大模型 API 在推荐系统中的应用探索，包括内容标签生成、视频摘要、评论/弹幕理解、用户兴趣归因、推荐理由生成、冷启动内容理解等方向。
- 结合 LLM、多模态模型与传统推荐算法，探索更高质量的内容表征、用户画像构建、意图理解、候选召回增强和排序特征增强方案。
- 基于大模型能力设计离线标注、弱监督数据构造、特征蒸馏、语义匹配、兴趣聚类等算法流程，提升推荐系统对长尾内容、新内容和复杂兴趣的理解能力。
- 参与大模型推荐相关实验评估，关注模型调用成本、延迟、稳定性、可解释性与线上收益之间的平衡，推动方案从原型验证走向业务落地。
职位要求
- 2027 届本科及以上在校生，计算机、人工智能、软件工程、数学、统计、电子信息、自动化等相关专业优先。
- 具备扎实的数据结构、算法和机器学习基础，了解推荐系统常见方法，如召回、排序、多目标学习、Embedding、序列建模、CTR/CVR 预估等。
- 熟练掌握 Python / C++ / Java / Scala 中至少一门编程语言，具备良好的工程实现能力和代码习惯。
- 熟悉 PyTorch / TensorFlow 等深度学习框架，有模型训练、调参、评估或实验经验。
- 具备数据分析能力，熟悉 SQL / Hive / Spark / Flink 等工具者优先。
- 对推荐系统、内容社区和用户体验有兴趣，能结合业务目标和内容生态思考算法问题。
- 具备良好的逻辑思维、学习能力、沟通协作能力，能主动拆解和推进问题。
- 了解大模型、RAG、Prompt Engineering、Agent、多模态理解、语义检索等方向，并愿意探索其在推荐场景中的应用。 加分项
- 有推荐、搜索、广告、信息流、视频/直播推荐、内容理解、NLP、多模态、图学习或大模型应用相关项目经验。
- 熟悉大规模推荐系统链路，包括召回、粗排、精排、重排、特征工程、在线服务、A/B 实验等模块。
- 有 LLM4Rec、生成式推荐、语义召回、向量检索、自动标注、推荐解释、用户兴趣建模等实践经验。
- 有调用 OpenAI、Claude、Gemini、Qwen、DeepSeek、豆包、通义千问等大模型 API 的项目经验，并能结合推荐目标设计评估方式。
- 熟悉 Prompt 优化、RAG、Embedding 检索、LoRA/SFT、模型蒸馏、向量数据库、离线评测集构建等技术者优先。
- 有顶会论文、科研经历，或算法、机器学习竞赛优秀成绩者优先。
