高德地图高德-推荐算法工程师/专家-出行推荐基座模型方向
任职要求
1、计算机、电子信息工程、自动化控制、数学、信息安全等相关专业背景，硕士及以上学历； 2、在机器学习或深度学习领域有实习或者项目经历，具备以下一个或多个方向的研究和应用经验，如多模态数据处理、自然语言处理、计算机视觉、大模型、推荐等，在NIPS/ICML/ICLR/CVPR/KDD/WWW/AAAI等顶会顶级会议或者期刊发表…
工作职责
1. 探索出行agent，搭建query->出行路线全球最大的真值库，为基座大模型的路径规划、行程规划能力贡献重要一环。 2. 围绕高德的核心业务场景，聚焦去哪儿、什么时间去、怎么去、去了干什么的出行推荐基座模型的迭代和优化，同时兼具卖货（数字资产）能力、搜索能力的延伸。 团队介绍： 团队由国内外知名高校及主流互联网企业的资深专家组成，在顶尖期刊（如KDD、WWW、NeurIPS、ICLR、ICML、AAAI等）发表过多篇论文，是国内理论与应用实践相结合、应用算法创新的顶尖和超一流团队。
团队介绍： 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。团队不仅在计算机视觉领域持续深耕，更将计算机视觉及AI技术在自主导航、高德打车、生活服务等多元化应用场景。 作为高德地图的核心技术驱动部门，我们以下一代三维地图引擎、多模态理解与生成、空间智能、世界模型等方向为核心，推动智能出行与真实世界连接的深度融合。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 1、跟进AI Agent领域最新技术动态，围绕LLM大模型、Agent框架、LLM Reasoning技术（如思维链、多步推理）、优化复杂查询的Deep Research模式、长期记忆机制、自动化数据合成、指令微调（Instruction Tuning）、偏好对齐（RLHF/DPO）等技术，持续推动算法创新与落地； 2、开展LLM Agent技术研发，构建端到端Agent系统，涵盖意图识别、知识检索、结果生成与偏好对齐，推动相关技术研究与算法落地，提升用户体验。
负责高德共享出行业务核心的推荐算法建设、大模型技术落地等，包括但不限于： 1. 推荐算法方向：利用机器学习、深度学习等算法处理海量用户数据，进行高德打车全链路的推荐算法构建和迭代，包括多任务学习、多场景建模、序列推荐、因果推断建模、应答时长预测等； 2. 大模型方向：将大模型技术应用在打车核心链路上，包括多模态大模型、AIGC、PE、SFT、RLHF、高效推理等，提升平台效率和用户体验；
负责高德共享出行业务核心的推荐算法建设、大模型技术落地等，包括但不限于： 1. 推荐算法方向：利用机器学习、深度学习等算法处理海量用户数据，进行高德打车全链路的推荐算法构建和迭代，包括多任务学习、多场景建模、序列推荐、因果推断建模、应答时长预测等； 2. 大模型方向：将大模型技术应用在打车核心链路上，包括多模态大模型、AIGC、PE、SFT、RLHF、高效推理等，提升平台效率和用户体验；
负责高德共享出行业务核心的推荐 & 营销算法建设、大模型技术落地等，包括但不限于： a. 推荐 & 营销算法方向：利用深度学习、因果推断等算法技术处理海量用户数据，进行高德打车全链路的推荐 & 营销算法构建和迭代，包括多任务学习、多场景建模、序列建模&推荐、因果推断建模等； b. 大模型方向：将大模型技术应用在打车核心链路上，包括大模型用户画像提取，大模型排序，生成式推荐，结合大模型预训练、蒸馏、SFT和强化学习等技术进行应用；