哔哩哔哩推荐算法工程师（垂类业务）【2026届】

1、参与推荐、搜索、广告等业务的策略优化工作； 2、实现大规模机器学习、数据挖掘的核心算法，并将其应用在相应的产品线上； 3、研究哔哩哔哩产品及用户行为数据，设计对应的优化策略； 4、参与前瞻性技术的研究，研究并应用前沿技术 。

团队介绍： 我们深耕互联网金融信息服务领域，致力于为亿万用户打造高效、稳定、智能的一站式金融搜索服务。依托千万级日活搜索链路、百亿规模索引集群，以及成熟的RAG 与 Agent 技术体系，构建从数据采集、索引构建、语义理解、相关性排序到生成式搜索的全栈技术能力。以高可用、高稳定、高性能架构为核心，持续落地业界前沿 SOTA 技术，为用户提供精准、可靠、专业的金融信息服务。团队以突破传统搜索引擎边界为目标，深度融合搜索与大模型技术，打造下一代智能金融搜索体系。 发展方向：搜索、RAG、Agent算法专家 聚焦语义理解、内容理解、向量检索、RAG、Data Agent等核心方向，将经典检索算法与大模型、RAG、Agent 能力深度融合，覆盖用户意图识别、多模态内容理解、语义召回与精排、生成式搜索等关键场景。负责构建可支撑亿级流量、千亿级数据的工业级智能搜索系统，在真实业务场景中持续迭代算法效果、工程性能与系统稳定性。 岗位职责： 1. 聚焦互联网金融搜索与搜索增强场景，紧跟业界 SOTA 技术趋势，通过算法迭代持续提升搜索、搜索 + LLM 产品效果，支撑产品能力持续升级。 2. 负责语义相关性与语义召回算法研发，基于 LLM SFT、ReFT等构建语义基础能力，包括 LLM 与检索效果对齐、语义匹配、结构化匹配、表征学习等，提升 RAG 及核心搜索业务的文本匹配精度。 3. 建设多模态检索与多模态理解能力，针对金融场景网页、图表、图像、音视频等异构信息，构建跨模态表征、结构化抽取与精准检索体系，提升多模态内容理解与召回质量。 4. 设计与迭代 WebAgent 能力，实现网页自动浏览、交互模拟、信息抽取、事实校验与内容标准化，为搜索与 RAG 提供高质量、高可信数据源。 5. 构建 DataAgent 数据处理与知识融合链路，完成多源金融数据对齐、清洗、整合与归因校验，支撑业务规模化落地。 6. 搭建金融垂域搜索评测与效果对齐体系，从相关性、事实一致性、可用性、稳定性等多维度持续迭代优化。

【职位介绍】 我们团队负责构建小红书推荐算法中台，提高内容分发效率，为海量用户提供极致的推荐体验。在这里，你将参与到推荐系统的全链路搭建和各类算法的研发，包括不限于大模型应用、多模态建模、深度学习、强化学习、迁移学习、表示学习、图学习等领域。我们希望对推荐、搜索、广告感兴趣的同学，加入我们一起研发世界一流的推荐引擎。 1. 负责推荐算法中台的全链路建设，抽象业务共性，敏捷高效支持各类推荐需求。 2. 负责业界先进推荐算法的研发和落地，包括但不限于大模型技术、多模态内容理解、召回算法、排序模型（粗精排）、长短期兴趣建模、多场景联合建模等。

【职位描述】 1、负责小红书搜广推多场景排序模型优化，提升时长、互动、留存等核心指标； 2、分析海量用户行为数据，挖掘用户兴趣，优化排序模型； 3、通过超大规模机器学习模型和系统，使用先进的排序算法优化推荐效果。