滴滴地图事业部（5）算法实习生

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。

利用滴滴海量的真实出行轨迹数据、机器学习和深度学习技术，对滴滴司乘轨迹行为模式、路网通行性等进行建模，相关项目可以迅速应用到实际场景（路网更新、司机异常行为检测等）中，提升滴滴用户的出行体验和平台效率。

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。

1、参与三维重建、视觉定位相关算法开发，实验测试； 2、参与视觉重定位相关项目研发，协助算法迭代、实验设计、数据分析等工作； 3、调研三维重建大模型相关前沿进展