哔哩哔哩｜模型工程实习生【2027届】

部门介绍哔哩哔哩流量生态部，负责B站视频等内容的个性化推荐、搜索分发等主要流量场景的业务，通过构建完善的内容分发机制，使得B站优质内容能够更精准的触达用户，提升观看体验、使用时长以及口碑，并帮助UP主在B站成长。通过大数据、深度学习、大模型等相关技术，构建内容优质、互动氛围良好的社区生态。职位亮点在这里，可以直接参与承载数亿用户的推荐与搜索业务，所做的每一个改动优化，都会对数亿用户以及B站的内容生态起到非常重要的影响。能接触到前沿的机器学习、深度学习、大模型相关的算法、工程架构优化，并将其应用于实际的系统中，充分理解B站内容生态和社区生态如何构建，以及我们的思考，同样也期待着你的思考！职位描述工作职责: 1. 深度参与B站社区生态建设，通过深度学习技术直接影响亿级用户的推荐体验和内容分发效率。主要负责B站社区推搜系统大规模离散DNN模型训练平台与推理框架的设计和演进。 2. 参与多目标搜推模型的分布式训练框架设计，提升训练效率和稳定性； 3. 设计支撑毫秒级延迟、高QPS的在线推理服务架构，满足社区实时搜推需求； 4. 突破超大Embedding表的存储/更新/检索技术瓶颈，优化存储和计算效率； 5. 优化GPU多卡/多机训练和推理的可扩展性，支持超长行为序列建模和参数scaling up的持续迭代； 6. 搜推工程团队致力于构建下一代智能内容分发系统，让用户发现更多“感兴趣”的内容。加入我们，用技术创造快乐，一起构建支撑亿万年轻人内容消费的智能引擎，在B站实现你的技术理想。

1. 计算机相关专业本科及以上学历，具备扎实的C++/Python编程功底； 2. 有大规模搜广推模型训练或推理的成功经验，了解PyTorch/TensorFlow等框架的底层原理； 3. 有异构计算经验，熟悉GPU高性能计算，熟悉编译优化技术（TVM、TensorRT、XLA等）在模型推理中的应用； 4. 深入理解千亿参数DNN模型的分布式训练和高性能推理技术，有超长序列建模（用户行为序列10K+）、参数scaling up等技术的实战经验；网申须知 网申开始日期：2026-03-05 00:00 网申截止日期：2026-07-31 00:00仅限 2026-09 至 2027-08 毕业的大学生，快来投递吧～