携程大模型应用算法工程师（行程规划方向）(MJ028510)
任职要求
计算机科学、应用数学或运筹学硕士及以上学历，具备3年以上自然语言处理（NLP）和大模型项目的实际落地经验拥有扎实的算法理论基础，熟练掌握LangChain、LLamaIndex、MCP等开发框架。具备较强的学习能力和自驱意识，能够适应快速变化的业务需求，并具备良好的团队合作精神和沟通技巧具备大语言模型（LLM）、多模态、聊天机器人项目经验者优先；有大型企业工作经验者优先。具备较强的算法工程能力，不限于服务开发，部署能力
工作职责
参与构建旅游领域的AI Agent系统，负责行程规划产品的核心算法研发，解决多城市、多约束条件下的动态路线优化和实时资源调度等复杂问题设计并实现大模型与传统运筹算法的融合架构，提升旅游线路生成的技术优势开发多模态内容理解能力，整合文本、POI（兴趣点）、用户行为等多源数据，推动旅游领域生成式AI（AIGC）的深度应用持续跟踪大模型领域的前沿动态，结合业务场景进行技术创新，推动产品迭代与优化
1. 探索出行agent，搭建query->出行路线全球最大的真值库，为基座大模型的路径规划、行程规划能力贡献重要一环。 2. 围绕高德的核心业务场景，聚焦去哪儿、什么时间去、怎么去、去了干什么的出行推荐基座模型的迭代和优化，同时兼具卖货（数字资产）能力、搜索能力的延伸。 团队介绍： 团队由国内外知名高校及主流互联网企业的资深专家组成，在顶尖期刊（如KDD、WWW、NeurIPS、ICLR、ICML、AAAI等）发表过多篇论文，是国内理论与应用实践相结合、应用算法创新的顶尖和超一流团队。
我们是滴滴网约车的安全技术团队，致力于打造世界顶尖的智能出行平台。我们不断探索机器学习等前沿技术，基于海量的出行数据和丰富的业务场景，进行出行生态算法优化与体系搭建。我们强调数据驱动和业务价值，真正在解决人们出行过程中的真实问题，保障司乘的出行体验与安全，引领出行行业变革与发展。 工作职责具体包括： 1.负责出行生态安全场景的算法优化与体系搭建，包括但不限于司乘行程人身安全，司机线上线下的安全群体事件等； 2.运用机器学习、统计学、大模型等专业知识，不断优化海量订单的风险识别策略； 3.基于深刻的业务理解和case分析，不断挖掘和提升多模态的底层元能力； 4.构建高效的策略系统和评估体系，解决实际问题的同时沉淀高效的智能决策系统。 技术挑战/吸引点： 1.有技术挑战：极小样本的问题，每天需要从海量订单中排查出极少的风险订单，需要成体系的策略和模型建设。 2.有技术宽度：技术比较宽，有视频、音频、文本、轨迹，也有订单和司乘画像等结构化信息，既是天然的多模态感知和融合的场景，也需要传统的机器学习、深度学习、策略设计，技术宽度非常宽，技术抓手比较丰富。 3.有技术深度：有丰富的多模态数据，是天然适合大模型的应用场景，在通过大模型建设基础能力和端到端的识别能力上有深度的探索。
1、车内安全业务模型与策略的开发及优化：1）通过技术进行策略体系的建设，减少车内不安全事件的发生，给司乘更安全的出行体验，深入研究业务，基于数据分析产出业务洞见，并进行策略调优与模型迭代 2）基于行程中实时的录音、录像、轨迹信息，结合订单及司机历史行为数据等，使用统计学方法、机器学习、深度学习、大模型等技术手段解决小样本、多模态数据融合等技术问题，建设车内安全相关的风险事件识别模型 2、司机生态业务模型与策略的开发及优化：通过技术搭建策略体系，建设良好的司机生态环境，使用NLP、大模型等技术，对司机生态中的风险事件进行识别，进而对司机生态进行持续治理 3、司机与乘客安全画像的构建：通过司机与乘客的历史行为信息，构建安全相关画像能力，使用数据挖掘、机器学习等技术构建标签，提供更安全的司乘出行与司机生态环境 4、安全场景的大模型应用：将大模型在安全业务场景落地应用，包括但不限于语音语义理解、多模态内容理解、智能问答、RAG等方向。
- AI能力研发：基于钉钉智能财务与智能差旅的产品场景（如发票OCR识别、费用分类、预算预测、差旅行程推荐等），设计并实现AI算法模型，实现应用场景落地，提升智能化水平。 - 服务端架构开发：构建高并发、高可用的服务端系统，支持AI模型的在线推理与实时响应，保障企业级业务稳定性。 - 数据与算法工程化：完成从数据采集、清洗、建模到部署的全流程闭环，推动AI模型在生产环境中的落地与迭代优化。 - 跨团队协作：与产品经理、前端工程师、算法专家协同，将AI能力深度集成到钉钉智能财务与差旅产品中，实现业务价值。 - AI工具链建设：探索qwen等大模型的应用场景，通过提示词工程、模型微调等技术优化用户体验。