百度云与大模型经营分析实习生（J95802）

-战略规划与分解：围绕BU业务开展战略研究，协助组织制定和分解落实战略规划，分析和评估战略实施效果，支持管理层进行战略迭代 -经营策略制定：围绕行业环境制定业务发展策略，跟踪主要竞争对手，支持业务经营决策 -战略课题研究：协助开展战略课题研究，包括大模型/ AI infra/AI4S等行业机会提供管理创新与技术创新的建议，并推动实施 -其他支持性工作：负责重要汇报材料的收集整理、编写

-战略规划与分解：围绕BU业务开展战略研究，协助组织制定和分解落实战略规划，分析和评估战略实施效果，支持管理层进行战略迭代 -经营策略制定：围绕行业环境制定业务发展策略，跟踪主要竞争对手，支持业务经营决策 -战略课题研究：协助开展战略课题研究，包括大模型/ AI infra/AI4S等行业机会提供管理创新与技术创新的建议，并推动实施 -其他支持性工作：负责重要汇报材料的收集整理、编写

团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题介绍：生活服务行业在数字化转型中面临效率提升和成本优化的迫切需求，传统商家依赖销售老师处理商品管理、订单咨询、营销推广等环节，存在响应速度慢、标准化程度低、人力成本高等痛点。基于大语言模型（LLM）的对话系统具备自然语言理解、多任务处理、知识推理等能力，可以为商家提供智能客服、流程自动化、数据分析等场景的解决方案。然而，现有通用模型在垂直领域应用中仍存在领域知识匮乏、复杂任务执行能力不足、多模态交互受限等问题，需结合RAG、Function Calling、多模态等技术进行针对性优化。 课题挑战/必要性： 生活服务行业规则多变（如季节性促销、政策调整），需设计低延迟的领域知识库动态更新机制。另外，商家需求多样，对Agent工具调用、动态规划与异常处理能力提出了很高的要求。同时，在交互中期望能够实现语音、图像、文本等多模态信息的内容理解能力与自然交互，解决语义一致性的难题。 课题内容： 1、RAG在垂直领域的优化：构建生活服务行业知识图谱与动态检索库，研究检索增强生成中的上下文压缩技术与深度思考技术，提升答案准确性； 2、Function Calling与业务流程自动化：设计面向商家的工具库，支持自然语言指令到工具调用的精准映射，研究强化学习（RL）在工具调用领域的应用提升模型对领域外工具的识别泛化能力； 3、对话Agent的决策与协作能力：研究基于强化学习（RL）优化Agent的任务规划能力，研究多Agent协作机制； 4、多模态交互与生成：深入研究图像内容理解，开发能够与商家自然沟通的多模态交互与生成系统。

团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题介绍：推荐算法是生活服务场景交易增长的核心驱动力，我们希望借鉴LLM的成功思路，结合生活服务场景的时空特点，探索在生活服务场景推荐算法和架构的颠覆性创新，解锁更大的算法效果提升空间。 重点探索以下方向： 1、基于类Transformer结构的生成式推荐大模型技术，验证生活服务推荐场景的Scaling Law，探索面向大模型的推荐算法建模范式； 2、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理的效率； 3、多体裁多模态表征学习和推荐模型结合； 4、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。 1、负责生活服务场景推荐大模型的算法优化，引入生成式AI技术，优化建模方案、模型结构、特征和样本等，提升场景交易效率； 2、验证生活服务场景的推荐大模型Scaling Law，应对大模型训练中的新挑战； 3、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4、多体裁多模态表征学习和推荐大模型结合； 5、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。