高德地图高德-搜索算法工程师/专家-信息算法专项

1.参与高德个性化搜索场景优化，负责召回，排序模型，提升搜索用户体验和交易GMV 2. 负责多入口多场景下统一召回、粗排、精排算法优化；在多场景建模、用户行为序列建模、时空场景推荐等技术点上，应用业界领先的技术优化，取得指标收益。 3. 利用高德的庞大数据量，结合LBS时空数据的特点，通过海量数据/大模型分析挖掘用户潜在需求，指导推荐算法和策略的设计，提升推荐效果。

高德信息算法专项招聘方向 业务背景 高德地图作为行业领先的出行平台，持续探索AI与大数据技术在地图、导航、出行服务等领域的创新应用，现面向算法、工程、数据领域招聘顶尖人才，推动技术驱动业务增长与用户体验升级。 核心岗位方向 算法与AI应用 1. 推荐与个性化算法：负责用户兴趣建模、个性化推荐系统设计与优化（覆盖推荐算法专家、个性化推荐/搜索算法工程师）。 2. 广告算法：优化广告预估模型、创意策略、流量分配机制及增长路径（需熟悉CTR/CVR预估、机制设计）。 3. 强化学习与智能决策：研究强化学习在路径规划、动态资源分配等场景的落地应用。 4. 多模态内容理解：探索文本、图像、时空数据融合的多模态算法，提升内容分析与场景理解能力。 搜索与数据技术 1. 搜索算法：优化搜索排序、语义理解及RAG（检索增强生成）引擎开发（需熟悉NLP、信息检索技术）。 2. 用户画像与增长：构建用户行为分析体系，驱动商家/用户增长策略（需具备数据挖掘与增长分析经验）。

1. 设计、开发和优化大规模高可用的智能搜索系统，持续提升检索效率与用户体验； 2. 深度参与AI模型（如召回、排序、理解、重排等）在在线搜索服务的集成、部署与性能调优； 3. 搭建和完善数据处理与特征工程链路，支持大规模数据的高效流转与特征管理； 4. 参与搜索系统的架构设计与工程实现，包括分布式服务、索引构建、检索优化、缓存加速与横向扩展等； 5. 联合算法、产品、前后端等多团队协作，推动AI搜索相关功能的快速落地； 6. 建立完备的监控、日志、报警与追踪体系，保障服务的稳定性、可观测性与高可用性； 7. 积极跟进行业搜索与信息检索前沿技术，持续推动创新和最佳实践在系统中的落地。

团队介绍： 我们团队为用户提供满足各种出行场景的好路线，提供极致的出行体验，同时服务C端、B端，涵盖自驾、打车、物流等多种业务场景，我们的每一次技术升级或业务的改进都能影响全国用户，有非常复杂的高并发分布式服务系统架构，有业界最先进的路线规划算法（cbr,cch,rch,raptor等)。如果你想发挥你的想象力创造更多社会价值，如果你享受克服困难和挑战自我的喜悦，如果你热爱技术并喜欢追求极致性能和效果，如果你渴望挖掘出源源不断的新应用场景，那就加入我们团队吧！ 岗位职责： 你将加入高德在线导航服务团队，从0到1参与打造手车一体的「出行域 Agent」。目标体验对标特斯拉车机中的 Grok：让用户可以用自然语言完成从出行规划、实时导航到行程中各类决策的全流程交互，实现“能听懂、会思考、帮决策、可执行”的智能出行助手。 工作职责： 1.子Agent架构设计与服务实现 a)参与设计出行域子Agent的整体技术架构，包括调用链路、状态管理、容错与降级方案。 b)实现与高德主Agent的协议对接和能力编排，支持多轮对话、工具调用、跨场景任务协同。 c)在手机端与车机端统一能力出口下，处理不同终端、不同地区/国家的差异化需求（如地图/POI/法规差异）。 大模型微调与蒸馏落地 2.针对出行/导航/车机场景，设计与构建高质量训练数据（提示词工程、对话数据、工具调用日志等）。 a)参与或主导对基础大模型的大规模微调（Supervised Fine-tuning / Preference Optimization 等），提升在出行域的理解和决策能力。 b)负责模型压缩、蒸馏与推理优化，使模型在服务端/边缘侧兼顾效果与时延。 3.Agent能力调优与决策优化 a)设计和优化子Agent的工具使用策略（Tool / Function Calling），包括路况查询、路线规划、POI 检索、多目的地规划、国际场景信息调用等。 b)在弱网、高并发、复杂上下文下优化Agent的鲁棒性和决策稳定性。 c)针对复杂出行任务（如跨城自驾、多目的地行程、充电/加油规划、实时绕行、国际出行规则差异）进行专项调优。 4.效果评测与质量体系构建 a)搭建出行Agent的自动化评测框架，包括：指令理解准确率、工具调用正确率、任务成功率、响应时延、用户反馈闭环等。 b)构建离线评测集和真实流量回放机制，持续追踪模型与系统升级带来的收益和风险。 c)联合产品与运营，通过灰度发布、A/B 实验驱动持续优化。 5.性能与稳定性保障 a)在9亿+月活与车机大规模接入背景下，对服务进行高可用、高性能设计（限流、降级、缓存、异步架构、观测性体系）。 b)处理线上复杂问题（流量波动、模型异常、工具依赖故障等），建立监控、告警和自愈机制。 6.前沿技术探索与工程化落地 a)跟踪 LLM、Agent、RAG、多Agent协作、规划与推理（Planning & Reasoning）、多模态等方向的最新进展，并筛选适合出行场景的技术方案。 b)探索将地图/导航结构化数据与大模型结合的最佳实践，让Agent真正“看得懂地图、懂路况”。