快手资深大模型应用研发工程师-【本地生活】
任职要求
1. 本科及以上学历，计算机科学、人工智能、自然语言处理或相关专业； 2. 熟悉自然语言处理相关基础理论，熟悉大模型的微调和评估方法； 3. 善于分析和发现问题，具备较强的自驱力，能够主导推动项目落地和及时进度反馈； 4. 具有良好的沟通能力和跨团队协作能力，热衷于追求技术创新，对解决有挑战性的问题充满激情。 具备以下条件优先： 1. 具有生成式模型训练及开发经验，如大模型数据处理、模型微调、预训练、…
工作职责
1. 负责本地生活业务场景中大模型的技术落地，支持业务目标提升； 2. 负责大模型在智能助手、智能客服、IM等交互式对话场景中的应用，提升场景的自动化与智能化水平，改进商家的交互体验； 3. 负责大模型在智能营销、经营诊断分析、多模态创意生成等内容生成类场景中的应用，降低平台和商家的运营成本，提升运营效率； 4. 负责大型语言模型的微调、偏好对齐、知识增强等技术探索，积极跟进AIGC业内应用趋势，包括并不限于多模态、RLHF、Agent等方向。
以大模型对话技术为核心，探索前沿技术问题，研究方向主要为垂域模型的研究与构建。目标是为用户提供专属的玩乐变美便捷生活小助手，实现“技术驱动业务范式”的升级转变，最终助力商业价值全面提升。 研究方向一：Agent能力增强 基于Agent的用户助理，研究提升Agent自主规划能力，并通过Agent构建和基于后训练的优化，实现数字助理的能力复刻和增强。 研究方向二：强化学习算法研究 参与大语言模型后训练阶段的强化学习算法研究，包括基于AI和环境反馈的强化学习（RLXF）算法。同时探索奖励模型与反馈机制，研究可泛化的细粒度过程监督和奖励建模，探索基于细粒度反馈的强化学习算法。 研究方向三：垂域模型定制化构建 领域认知智能突破，探索小样本场景自演进架构设计、可信推理机制构建等方向，同时建立面向AGI的模型评价体系新范式。 研究方向四：精准上下文理解与长程依赖建模 研究如何高效、准确地捕获和利用复杂的项目级上下文信息（如整个代码库、依赖关系、API文档、Issue跟踪等），探索能够处理超长代码序列、理解跨文件依赖和项目架构的先进模型结构与表征方法，以支持更精准、更全局的代码智能，从而提升业务研发在存量代码中迭代的效率。
我们正在寻找一位具备深厚数据产品经验、跨业务视野和系统化规划能力的高级/资深数据产品专家，负责推动高德地图在大数据分析、用户理解、行为洞察与数据治理等领域的平台级产品建设。该角色将主导多个关键数据产品的战略规划与落地执行，打造面向未来的数据驱动型基础设施， ● 【数据应用落地业务场景】 ○ 负责北斗平台(包含经营分析、行为分析、供给分析、各类业务专题场景等) 的产品架构设计与演进规划，满足业务针对各类分析场景的业务应用价值落地。 ● 【数据资产管理】 ○ 面对数据供给者团队，建立一套简易高效率的资产维护工具，帮助数据供给者高效、高质量地维护数据资产。并作为平台方推行资产分级管理和数据运营机制。 ● 【可信资产门户】 ○ 打造企业级官方权威数据资产字典，正式推出。作为全公司统一的数据目录和知识库，它将帮助大家低门槛、快速地发现、理解、评估所需数据， ● 【智能化探索落地】 ○ 面向数据使用者，并向AI 智能化、 Agent 进化(数据应用方向)。 实现分析师的智能分身Agent， 可落地接管数据常寻与分探索类场景， 数据对外进行全面推广应用。实现分析师的智能分身Agent落地，并为Agent的使用量和准确度负责 期望带来的关键改变 你将不仅是平台的建设者，更是数据价值的定义者与推动者。我们期待你带来以下层面的关键突破： ● 【 从“报表工具”到“智能决策引擎”的跃迁】 ○ 打破传统BI仅做数据展示的局限，构建具备高级归因、异动预警、预测推演、自动洞察能力的下一代分析平台，让数据主动说话。 ● 【从“数据生产”到“数据消费”的全局视角重构】 ○ 建立以业务价值为导向的数据服务体系，实现数据从“被查询”到“被推荐”、“被调用”、“被集成”的转变，显著提升数据使用效率与覆盖率。 ● 【 从“单点能力”到“平台通用化”的升级】 ○ 打造具备高度抽象能力和横向复用性的数据平台产品，支撑高德多条业务线（导航、出行、本地生活 等）共性需求，避免重复造轮子。 ● 【 从“被动响应”到“前瞻引领”的思维进化】 ○ 超越“接需求—做功能”的模式，能够基于业务发展趋势提前布局数据能力建设，例如预判新业务场景所需的数据模型与分析框架。 ● 【 从“工程实现”到“商业影响”的价值闭环】 ○ 推动数据能力深度嵌入业务链路（如通过用户画像优化投放ROI、通过路径分析提升转化率），形成可量化、可持续的数据驱动增长机制。
1.参与美团全球化业务中智能客服、智能审核、智能外呼等核心场景的大模型应用研发与落地工作。 2.针对跨文化、多语言、少样本等复杂业务挑战，研究并应用强化学习、多模态学习、高效后训练等前沿技术，对大模型进行深度优化与能力增强，提升模型在实际业务中的表现。 3.主要研究方向包括但不限于： a. 任务型对话技术攻关： 研究强化学习与高效后训练方法在多模态任务型对话中的应用，优化全球用户的复杂服务请求处理与任务达成效果。 b. 少样本多模态理解与推理： 探索在海外数据稀疏环境下，通过少样本学习等手段构建强大的多模态理解与推理能力，支持高效合规审核及风险识别。 c. 可控对话生成与知识融合： 面向智能外呼等场景，研究多语言环境下可控对话生成及知识融合技术，提升沟通的自然度、准确性和业务转化率，并追踪前沿技术动态，推动创新落地。
1. 负责美团APP各推荐展位和创新产品的核心算法优化迭代，包括但不限于供给理解、召回、精排和重排相关的数据分析、超大规模深度学习模型优化、业界前沿技术探索和落地以及大模型的应用等，服务数亿量级美团用户服务，提升美团App的支付订单； 2. 深入理解美团的核心业务，推动多业务供给理解信息（例如价格力、CPV、多模态信息）、全域的用户行为数据在各推荐场景的应用和落地，同时探索迁移学习、多业务多场景建模、用户个性化召回等模型算法落地； 3. 负责推荐算法中某个子方向的中长期技术规划，制定相应的技术发展方向，并在具体场景成功应用。