携程Agent开发实习生(MJ034033)
任职要求
1.本科以上学历在读，2027届或者2028届优先。
2.了解 Python 等基础编程语言，具备独立完成简单脚本开发的动手能力。
3.学习敏锐度高，能够通过 1-2 天的短期培训，快速掌握内部平台的操作规范与 Case 判断标准。…工作职责
1.搜索 Case 检查与标注： 深入理解用户搜索意图，判断模型输出结果的准确性，精准定位并指出错误环节。 2.AI辅助提效脚本开发： 使用主流 AI 编程工具，辅助开发自动化提效脚本，优化日常Case流转与数据检查流程。 3.数据质量与模型优化： 归纳整理高频错误 Case，进行数据沉淀与分析，为搜索模型的持续迭代提供高质量的数据支持。 4.参与Agent迭代优化：在对case梳理和分析的认知上，结合自身对搜索Agent的理解，推动智能化演进。
1.负责构建具备自主决策、协作与工具调用能力的多智能体系统（Multi-Agent System），推动大模型从“对话式AI”向“任务执行体”演进，解决复杂场景下的自动化问题； 2.深入研究并应用LLM的复杂推理技术（如思维链CoT、思维树ToT），攻克开放式、复杂问题的深度研究模式，赋予Agent独立探索与解决问题的能力； 3.运用指令微调、强化学习等方法，提升大模型规划、推理与遵循指令的能力，从而提升模型知识边界探索和抗干扰的能力。
1、驾驭亿级规模核心系统：负责本地零售亿级商品库的顶层架构设计与演进，主导 SPU/CSPU 等基础模型建设，支撑高并发下的搜索、选品及多渠道分发，打造行业领先的商品数据底座。 2、引领前沿的 AI 大模型落地：深度参与AIGC 在商品全生命周期的变革，利用多模态大模型重塑智能发品、自动归类、内容生成及质量质检流程，推动业务从“人工运营”向"智能自治"跃迁。 3、构建数据与智能闭环：携手算法与产品团队，建立“数据 - 模型 - 业务”的高效反馈闭环。通过RAG 知识库、批量推理及自动化实验等前沿技术，持续优化商品数据的准确性与转化效率，赋能零售搜索与智能决策。 4、探索研发新范式与极致性能：在保障系统高可用与极致稳定性的同时，率先探索 Vibe Coding、AI Agent 等新范式在研发流中的落地，提升团队整体效能，解决海量数据下的复杂工程挑战。
1、负责高德出行场景（驾车，骑行，步行）的大模型应用框架开发，构建高可用、低延迟的分布式系统； 2、负责优化Agent决策引擎、任务调度、多模态数据处理等模块的性能与稳定性； 3、负责搭建Agent与外部系统（如数据库、API、第三方服务）的高效通信机制； 4、负责保障大模型应用系统架构的稳定、高效运行，帮助业务优化性能和改善系统稳定性； 5、负责协调业务资源，与大模型算法和数据源服务等团队协作，保障项目有效落地和需求高效交付。
所在团队负责阿里国际贸易平台上的所有推荐产品，包括猜你喜欢、详情页推荐、个性化楼层等。团队通过大数据和深度学习建模，帮助平台上买卖家快速达成生意。来到这里，你将有机会深度接触到业界的计算平台和深度学习算法，并将算法技术转化为商业价值。具体地，你将有机会负责： 1. 用户画像、召回、排序和策略等模块的技术规划和算法设计，通过技术创新提升买卖家匹配效率。 2. 通过大规模深度学习和图学习，在面对数据稀疏和多国家多行业的情况下对用户实时兴趣、CTR预估、询盘和交易转化预估等问题建模。 3. 通过多样性和发现性策略，拓展用户需求，提升兴趣发现能力，进一步完善和提升推荐侧的产品价值。 4. 探索大语言模型+搜推的创新应用方向，LLM在推荐领域下的全链路建设，包括但不限于大规模的预训练、SFT、LoRA和RLHFL等技术，落地大语言模型+搜推的新的应用落地场景（如生成式推荐等）。