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论文者优先考虑； 3、具备扎实的Python、C++或者Java等编程基础，熟悉主流深度学习工具PyTorch/TensorFlow等； 4、有良好的数据敏感性和逻辑推理能力，较好的学习和沟通能力，对业界新技术敏感、喜欢钻研，具备熟练的英文读写能力； 5、加分项：Kaggle等数据科学竞赛的优胜经历、ACM编程竞赛获奖经历等。
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；
我们需要NLP方向和推荐方向的算法专家，负责对地图生产资料、互联网情报、搜索日志、用户反馈等非结构化文本进行分析和信息抽取，负责理解高德用户的到达行为，融合人地大数据，构建知识图谱和智能推理能力，打通数据生产和前台业务，使得用户获得更加智能的出行和服务体验。 1、参与和负责POI产线的NLP算法部分，包括POI的NLP基础功能服务、多模态名称融合生成、名称质检模块、名称纠错模块等； 2、搭建POI的NLP基础服务平台，实现以POI为核心实体的地图数据图谱，为高德的POI搜索、推荐业务提供完备信息； 3、配合其他POI采集、挖掘、调度、聚合业务，建模NLP任务，提供准确且有效的NLP信息； 4、积极地探索和研究NLP的应用和认知领域，结合地图场景，提供更加全面且完备的服务； 5、参与和负责POI的XGC业务，包括相关性召回、各级转化率模型，提升用户的答题率，答题的转化率模型； 6、积极地挖掘高德的人地相关性，推动用户与POI问题的推荐逻辑，提升高德场景的搜推基建和技术。
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）。