腾讯腾讯地图-机器学习算法工程师（路线排序与ETA方向）
任职要求
1.本科及以上学历，计算机、地理信息科学或相关专业优先； 2.3年及以上算法开发经验，具备导航AI算法、轨迹挖掘、ETA预测等领域的项目落地经验者优先； 3.熟练掌握C++/…
工作职责
1.负责腾讯地图路线排序策略、ETA（预估到达时间）预测精度优化等核心功能的线上服务开发与算法迭代； 2.基于海量轨迹大数据进行深度挖掘，构建高精度路况与出行时间预测模型； 3.通过技术创新持续提升导航产品的用户体验（如减少路线偏航、优化时间预估准确性）。
1、基于滴滴国际化海量的出行数据（四轮、摩托、外卖），利用数据挖掘、机器学习等技术，优化上下车点推荐、地址解析、路况预测、路径规划、ETA（到达时间预估）、EDA（预估到达距离）等引擎 2、上下车点推荐引擎：基于滴滴出行的大数据，深入理解不同国家的业务特点，推动上下车点推荐引擎效果提升，理解世界不同国家的地理领域知识，还原物理世界，并结合出行领域的用户（司机+乘客）行为特点，构建完善的特征工程 借助时序建模、MTMS(Multi-Task and Multi-Scene)的深度学习算法，综合提升各类场景的推荐效果 提升出行体验和平台效率，保障司乘安全 3、路线规划引擎：不同国家有不同的地理特性，不同的业务对路线规划也有差异化的需求，深入理解不同地区和业务的特点，借助序列建模、排序、多任务等手段，优化路线的召回、排序、重排等链路 4、时间/里程/价格/路况等预估引擎：深入研究不同国家、不同业务（四轮车、摩托）、不同打车链路（预估、分单、接驾、送驾等）中的时间/距离/价格/路况预估任务，构建不同场景下独有及共享的底层数据体系，建设地理特征、用户画像、历史行为及偏好等特征工程，借助因果推断、GNN、MTMS、online-learning等技术，提升预估准确性，提升司机和乘客的体验及打车效率 5、探索学术前沿技术，参与LLM、GNN、Online Learning、Reinforcement Learning等在交通领域的应用落地。
1、参与滴滴路径规划引擎研发，应用强化学习、图神经网络等技术优化全球不同区域的路线召回与排序策略，提升司乘出行效率 2、参与ETA（预估到达时间）、预估价核心算法迭代，通过时序建模和多任务学习图网络模型提升时间/距离/价格的预估准确性 3、研发实时路况预测系统，红绿灯智能读秒预测系统，构建智能的动态交通感知能力 4、探索大语言模型在交通领域的应用，将LLM技术与时空数据结合优化路线决策的可解释性 5、建设全球化路线引擎中台，针对不同国家地理特性，设计差异化解决方案。
【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。
【业务介绍】 我们是小红书内稠密类模型（LLM/MLLM/SD/CV/NLP）统一的AI平台QuickSilver，负责调度公司内所有稠密类模型训练与推理资源，基于自建的训推引擎，为公司所有AI算法同学迭代业务模型提供端到端一站式AI服务；包括数据管理，模型管理，模型训练、压缩、推理、部署，服务管理，资源调度等一系列能力。 工作职责： 1、负责稠密类模型训练推理开发平台的架构设计和核心功能研发 2、设计和实现大模型训练部署流程，包括模型fine-tuning、推理服务化等 3、构建云原生架构，设计高可用、高性能的微服务体系 4、优化平台性能，提升系统稳定性和可扩展性