饿了么饿了么-物流测试开发专家-北京
任职要求
1. 计算机相关专业，本科及以上； 2. 5年以上服务端测试开发相关工作经验，具备地图、算法等系统测试经验者优先 3. 能熟练地应用以下一门或几门技术进行软件开发： - 熟悉Java编程语言，springboot、mybatis框架，熟练使用sql处理数据; - 熟悉React或Vue前端开发技术者更佳； - 对机器学习或大模型算法有了解，进行过相应评测工作者更佳； 4. 熟悉测试流程与测试方法，具备独立制定测试策略和测试方案的能力，有良好的问题定位与分析能力； 5. 具备良好的沟通能力和团队协作意识，能够跨团队推动问题解决，具备较强的目标导向意识和抗压能力，有责任心，敢于担当，工作积极主动
工作职责
1、负责地图业务方向的测试工作以及相关算法评测工作，参与项目过程、制定测试计划和测试策略，保障系统质量与稳定性；； 2、负责所属项目的功能测试，自动化测试，性能测试，算法效果评测以及测试过程中针对特定场景专有测试工具的开发； 3、具备较好的代码能力，能走查开发代码，快速定位问题； 4、能根据业务特点，设计和开发相应的测试工具/平台，提高测试效率； 5、有owner意识，能够很好的反馈、跟踪、重现线上问题，推动问题解决，实现问题闭环；
1. 负责物流、文旅&跨境贸易等行业的业务拓展工作，基于蚂蚁数字蚂力能力提供客户服务、营销服务、端应用开发、AI应用开发、大模型部署的解决方案，达成业务收入目标； 2. 深入洞察目标行业客户在降本增效、数字化转型、大模型应用方面的趋势和痛点，能够建联到客户运营、客服、营销、技术负责人； 3. 将客户需求和痛点与我们的产品及解决方案相结合，挖掘项目机会，推动签约、项目上线，对重点项目进行管理、包括统筹资源进行业务交流、技术测试、商务谈判、管控项目风险，为公司在客户的目标结果及价值呈现负责； 4. 根据公司及部门的业务发展需求和规划，寻找挖掘生态合作伙伴（科技方向），并提出有效的商务合作模式及方案。
1. 负责国内备件业务需求挖掘、对接、协调工作，以提升备件管理效率为目标，支持备件作业流程线上化，优化系统功能、协助优化业务流程； 2. 负责备件采购、计划、分发、用料、逆向处置，以及备件仓管理等相关流程、系统的规划与设计； 3. 能够独立承担业务项目规划，统筹业务流程设计，功能设计，需求优化等，关注一线声音，结合业务流程及痛点撰写需求文档，产品原型设计、需求分析、功能描述及业务演示原型等文档； 4. 协调项目所需资源；同产研团队沟通需求，跟进项目开发、测试、验收、培训等各个环节进度，监督项目质量，及时发现影响项目的问题，分析并提出改进建议，保证项目的高效执行； 5. 保证项目上线质量，持续跟进上线后的效果评估，根据业务运营现状和发展目标，及时调整系统定位、制定优化策略； 6. 整理记录各项系统功能变更，确保系统项目记录的完整性，准确性和可追溯性； 7. 根据业务发展进行需求和市场调研（竞品分析），持续推进系统优化，不断提升产品竞争力。
1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量，具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应。精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。
团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量；具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应；精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。