滴滴地图事业部（3）算法实习生

1. 参与路线引擎nn模型升级优化相关调研 2. 参与rerank相关业务需求对接及分析工作 3. 参与大模型在rerank场景落地的相关调研

参与滴滴国际化业务搜索引擎优化相关工作，聚焦出行场景，结合大模型的深度学习技术与地理信息领域知识，通过 Query深度解析与地理信息知识融合，探索大模型在地理信息检索领域文本理解应用。包括但不限于： 1，包括通过大模型的理解和泛化能力，实现query结构化理解、纠错改写、query意图分析等任务的统一。 2，搜索结果质量评价：利用大模型完成搜索结果质量打分； 3，相关性模型：对多种类别的召回结果进行统一的相关性计算； 4，探索大模型辅助语义召回、检索排序模型的优化迭代。

背景：POI（Point of Interest）,即“兴趣点”，是地理信息系统中的重要概念，表示物理世界中的一处地方，可以是一家美食店、一个小区、一栋大楼等。 滴滴国际化POI是广泛应用于国际化出行/外卖等业务 1，利用海量的出行/外卖数据，包括POI时空语义及挖掘，多模态学习，用户行为建模等，提升POI准确/覆盖/丰富 2，使用大模型相关技术能力，结合业务场景，建设POI深度信息/提升POI建设效率

1、具备深度学习理论基础，熟悉常见深度学习框架（如PyTorch、TensorFlow）。 2、掌握卷积神经网络(CNN)、Transformer等核心模型架构，了解目标检测、分割等视觉任务的经典算法，具备独立设计和实现神经网络模型的能力。 3、熟悉MapTR、HDMapNet等高精地图构建算法的原理和实现，有智能驾驶场景下视觉感知算法的实践经验，了解BEV(Bird's Eye View)表示和相关算法。 4、加分项：在CVPR、ICCV、AAAI等顶级会议上发表过论文；参与过相关领域的开源项目或比赛并获得较好成绩。