小红书研究型实习生- 多模态大模型算法实习生

【课题说明】 外卖业务在国际市场上展现出前所未有的增长潜力，全球化运营对智能化提出更高要求。本课题致力于运用大模型技术，结合后训练、多模态、强化学习等手段，打造覆盖智能客服、智能审核、智能外呼的下一代全球服务系统，核心在于高效完成跨文化背景下的复杂任务。 【建议研究方向】 1.任务型对话的强化学习与后训练：研究如何结合强化学习激励与高效后训练方法，使大模型能精准理解并高效完成全球用户、商家及骑手提出的多模态复杂服务任务。 2.少样本多模态理解与推理：探索在数据相对稀疏的海外市场中，如何构建强大的多模态大模型，以支持对用户、骑手、商家上传图文的高效合规审核与风险识别。  3.外呼场景下的可控对话：研究通过可控生成技术并有效融入领域知识，提升大模型在招聘、商家/骑手沟通等多语言智能外呼任务中对话的自然度、信息准确性与目标达成率。

业务丰富，技术领先 高德打车算法团队深度赋能打车业务全链路，涵盖 用户增长、风控、服务管控、路线与上下车点推荐、ETA 预估、智能客服 等核心场景。多样化的业务挑战为算法创新提供了广阔的发挥空间，团队已在 AI 顶级会议发表成果。 精英阵容，国际视野 团队成员来自泰晤士世界大学排名 Top 10 的高校，以及美国常青藤、清华、北大等顶尖院校，兼具国际化背景与一流技术视野。 持续成长，共享共进 团队每周固定进行技术分享，氛围开放、互助友好；除了解答算法与工程难题，资深同事还会分享项目经验，并传授业务理解与问题解决的方法论，助你快速成长。 我们正在寻找相关专业的优秀实习生，一同探索前沿大模型技术在共享出行领域的深度应用，共同攻克业界难题，优化产品体验。 在这里，你将运用大模型、强化学习、深度学习等先进技术处理海量数据，推动用户体验优化与平台效率提升，主要包括： 1. 行程问题智能处理：构建并优化模型，识别司乘纠纷、费用异常、服务质量波动、安全风险、客诉等多类行程问题，并实现自动化处理方案。 2. 前沿技术落地：将多模态大模型及相关技术（PE、SFT、DPO、RAG、AI Agent、Agentic RL、AIGC 等）应用于业务场景，显著提升算法效果与业务指标。 3. 问题建模与解决：将业务场景中的复杂问题抽象为数据建模或科学研究课题，提出可行解决方案并高质量落地。 在这里，你的算法将直接服务全国数亿级用户，带来真实而深远的影响；你能接触到前沿大模型、多模态、强化学习等核心技术，并与顶尖同事共创，在开放包容的创新氛围下，发挥AI创造力。

1.负责LBS搜推广领域内，自然语言处理、多模态及深度学习领域内的算法研发，包括但不限于预训练语言模型、文本生成、多模态生成匹配、LBS搜推广召回排序算法等。 2.应用最新的自然语言理解、机器视觉、多模态及其他深度学习技术，推进线上应用的创新与优化，提升信息分发的体验和效率。 3.创新设计在LBS、本地到店领域的自然语言处理、计算机视觉、搜推广召回排序、语音对话、知识图谱、内容理解生成、时空数据建模等方向的算法和策略机制。 4.与工程团队紧密合作，确保算法研发成果的有效落地。

我们团队是国内理论与应用实践相结合、应用算法创新的顶尖团队，负责高德核心的路线规划、ETA、路况预测等业务的算法优化；这里是国内交通出行领域探索前沿算法解决出行方案的最佳阵地，期待算法精英的加入！ 具体职责包括但不限于： 参与高德导航核心算法的研发和优化，通过大规模机器学习、深度学习、图推理、多模态大模型、强化学习等技术，为路线规划、到达时间预估、未来出行建议、停车场动态信息识别、停车场智能推荐等重要场景提供解决方案，不断强化和提升用户使用高德导航过程中的产品体验。