哔哩哔哩(bilibili|b站)招聘SRE工程师 【2026届】
招聘职位：
SRE工程师 【2026届】 搜索同类职位
岗位介绍：
部门介绍
我们是谁？
-B站大语言模型（LLM）与多模态模型的核心研发部门。
我们做什么？
-打造公司级基础模型：专注于研发用于预训练和后训练的核心大模型。
-支撑全站AI业务：将基础模型能力输送到视频理解、对话交互、多语言翻译、搜索推荐等具体产品线。
职位亮点
1. B站大模型底层技术核心部门
专注千亿级MoE训练、VRRL对齐优化、多模态融合等基础架构研发
掌握工业级分布式训练框架，及千卡GPU集群资源
2. 业务落地深度结合
技术直连B站核心场景：视频细粒度理解（检测/追踪）、智能对话、多语种翻译、搜推嵌入
模型优化效果可直接验证于亿级用户产品
3. 持续创新的研究氛围
团队在ICLR/ICML/*ACL等顶会有持续产出
4. 工程师文化驱动
技术方案以实际效果为导向，拒绝空谈
Mentor一对一指导，快速积累工业级模型训练经验
职位描述
工作职责:
1、大规模模型基础架构建设：
参与大规模稀疏专家模型（MoE）的预训练框架研发、实验设计与性能优化，挑战超高参数量级下的效率与稳定性。
研究并实践通用价值对齐后训练（VRRL）策略，提升大模型的安全性、可靠性、有用性与价值观。
参与视觉语言多模态大模型（VLMs）的联合训练与优化，探索跨模态融合与表示学习的新技术。
2、垂直场景应用研发与赋能：
内容理解方向： 将大模型能力应用于细粒度视频对象检测、识别与追踪任务，提升视频内容的结构化理解水平。
对话交互方向： 研发情感陪伴型对话机器人与智能客服系统，打造更有温度、更智能的用户交互体验。
多语言翻译方向： 利用大模型优化视频多语种字幕自动翻译与社区用户文本翻译的质量与效率。
搜索推荐协作方向： 与搜推团队紧密合作，探索基于大模型Embedding表示的召回策略，开发搜索问答系统，提升内容分发与用户获取信息的精准性。
3、前沿探索与研究：
跟踪NLP、CV、多模态学习与大模型领域最前沿的学术进展，将工程成果沉淀成学术论文或开源项目，探索技术创新的潜在方向。
参与或主导技术原型验证，为团队储备未来技术能力。
工作要求:
1、本科及以上学历，计算机科学、人工智能、软件工程、数学、电子工程或相关专业背景。
2、扎实的编程基础： 熟练掌握Python，良好的数据结构与算法能力。熟悉Linux开发环境。
3、扎实的数理基础： 对概率统计、线性代数、微积分及机器学习理论基础有深入理解。
4、核心技能（满足以下一项或多项）：
1）深度学习/自然语言处理： 深入理解Transformer架构及主流NLP任务（如文本理解、生成、翻译、问答等）。熟悉PyTorch/TensorFlow等深度学习框架。
2）计算机视觉/多模态学习： 理解主流CV模型（如CNN, ViT）及目标检测、图像视频理解任务。对多模态表示学习、对齐技术有浓厚兴趣或经验者优先。
3）大模型技术栈： 了解LLM训练（数据、分布式训练、MoE）、后训练对齐（SFT, RLHF/RLAIF/VRRL）、提示工程、模型压缩与推理加速等技术。有相关项目或竞赛经验者优先。
5、搜索推荐基础（加分）： 理解基础的搜索、召回、排序原理，有Embedding、向量检索相关经验者优先。
6、工具与技术（加分项）：
有大规模分布式训练（DeepSpeed, Megatron-LM, FSDP等）、大规模数据处理（Spark, Flink等）或高性能计算（GPU优化）经验。
熟悉常见的机器学习工具链（如Hugging Face Transformers）。
7、加分项：
对B站文化与社区有热情： 了解B站内容生态和用户特点，对ACG文化或UGC视频社区有热情者优先。
ACM-ICPC或NOI竞赛获奖经历优先
ICLR/NIPS/ACL/EMNLP/CVPR等会议一作发表经历优先
网申须知
网申开始日期：2025-08-01 00:00
网申截止日期：2025-12-31 00:00
仅限 2025-09 至 2026-08 毕业的大学生，每人限投2个职位，请慎重投递。
投递简历
部门介绍
我们是谁？
-B站大语言模型（LLM）与多模态模型的核心研发部门。
我们做什么？
-打造公司级基础模型：专注于研发用于预训练和后训练的核心大模型。
-支撑全站AI业务：将基础模型能力输送到视频理解、对话交互、多语言翻译、搜索推荐等具体产品线。
职位亮点
1. B站大模型底层技术核心部门
专注千亿级MoE训练、VRRL对齐优化、多模态融合等基础架构研发
掌握工业级分布式训练框架，及千卡GPU集群资源
2. 业务落地深度结合
技术直连B站核心场景：视频细粒度理解（检测/追踪）、智能对话、多语种翻译、搜推嵌入
模型优化效果可直接验证于亿级用户产品
3. 持续创新的研究氛围
团队在ICLR/ICML/*ACL等顶会有持续产出
4. 工程师文化驱动
技术方案以实际效果为导向，拒绝空谈
Mentor一对一指导，快速积累工业级模型训练经验
职位描述
工作职责:
1、大规模模型基础架构建设：
参与大规模稀疏专家模型（MoE）的预训练框架研发、实验设计与性能优化，挑战超高参数量级下的效率与稳定性。
研究并实践通用价值对齐后训练（VRRL）策略，提升大模型的安全性、可靠性、有用性与价值观。
参与视觉语言多模态大模型（VLMs）的联合训练与优化，探索跨模态融合与表示学习的新技术。
2、垂直场景应用研发与赋能：
内容理解方向： 将大模型能力应用于细粒度视频对象检测、识别与追踪任务，提升视频内容的结构化理解水平。
对话交互方向： 研发情感陪伴型对话机器人与智能客服系统，打造更有温度、更智能的用户交互体验。
多语言翻译方向： 利用大模型优化视频多语种字幕自动翻译与社区用户文本翻译的质量与效率。
搜索推荐协作方向： 与搜推团队紧密合作，探索基于大模型Embedding表示的召回策略，开发搜索问答系统，提升内容分发与用户获取信息的精准性。
3、前沿探索与研究：
跟踪NLP、CV、多模态学习与大模型领域最前沿的学术进展，将工程成果沉淀成学术论文或开源项目，探索技术创新的潜在方向。
参与或主导技术原型验证，为团队储备未来技术能力。
工作要求:
1、本科及以上学历，计算机科学、人工智能、软件工程、数学、电子工程或相关专业背景。
2、扎实的编程基础： 熟练掌握Python，良好的数据结构与算法能力。熟悉Linux开发环境。
3、扎实的数理基础： 对概率统计、线性代数、微积分及机器学习理论基础有深入理解。
4、核心技能（满足以下一项或多项）：
1）深度学习/自然语言处理： 深入理解Transformer架构及主流NLP任务（如文本理解、生成、翻译、问答等）。熟悉PyTorch/TensorFlow等深度学习框架。
2）计算机视觉/多模态学习： 理解主流CV模型（如CNN, ViT）及目标检测、图像视频理解任务。对多模态表示学习、对齐技术有浓厚兴趣或经验者优先。
3）大模型技术栈： 了解LLM训练（数据、分布式训练、MoE）、后训练对齐（SFT, RLHF/RLAIF/VRRL）、提示工程、模型压缩与推理加速等技术。有相关项目或竞赛经验者优先。
5、搜索推荐基础（加分）： 理解基础的搜索、召回、排序原理，有Embedding、向量检索相关经验者优先。
6、工具与技术（加分项）：
有大规模分布式训练（DeepSpeed, Megatron-LM, FSDP等）、大规模数据处理（Spark, Flink等）或高性能计算（GPU优化）经验。
熟悉常见的机器学习工具链（如Hugging Face Transformers）。
7、加分项：
对B站文化与社区有热情： 了解B站内容生态和用户特点，对ACG文化或UGC视频社区有热情者优先。
ACM-ICPC或NOI竞赛获奖经历优先
ICLR/NIPS/ACL/EMNLP/CVPR等会议一作发表经历优先
网申须知
网申开始日期：2025-08-01 00:00
网申截止日期：2025-12-31 00:00
仅限 2025-09 至 2026-08 毕业的大学生，每人限投2个职位，请慎重投递。
投递简历
免责声明：
此信息由b站官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“b站官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！