高德地图高德-AI 推荐算法工程师-信息算法专项
任职要求
● 学历背景：计算机、电子信息、自动化、数学、人工智能等相关专业，硕士及以上学历；有大厂搜广推经验。 ● 项目/实习经历：在机器学习、深度学习或推荐系统领域有实际项目或实习经验，具备以下至少一个方向的实践经验： ● 多模态数据处理（图像+文本） ● 自然语言处理（NLP）或大模型微调（SFT/RLHF） ● 计算机视觉（CV）或跨模态理解 ● 推荐系统（召回/排序/冷启动/混排） ● 编程能力：熟练掌握 Python，熟悉 C++ 或 Java；精通 PyTorch/TensorFlow 等主流框架； ● 综合素养：具备良好的数据敏感性、逻辑分析能力、英文读写能力；对新技术保持高度敏感，乐于钻研，善于沟通协作。 ● 加分项： ● 参与过以下任一核心系统建设： ■ 首页混排系统 ■ 下一站预测 / 目的地推荐 ■ 冷启动系统 ■ 生成式推荐 ■ 个性化召回与排序系统 ● 在NeurIPS、ICML、ICLR、CVPR、KDD、AAAI、WWW等顶会发表论文者优先 ● 有Kaggle、ACM、天池等数据科学竞赛获奖经历者优先
工作职责
围绕高德的核心业务场景，研究大模型与推荐结合提升业务效果并落地，不限于LLM、多模态大模型SFT、RLHF、多模态理解、内容表征、推荐算法、行为序列建模、搜索算法。 你将参与以下技术方向： ● 大模型应用：LLM、多模态大模型（如Qwen-VL、ChatGLM、InternVL）、SFT、RLHF、Prompt Engineering ● 生成式推荐：基于大模型的内容生成、意图推理、序列预测、个性化生成排序 ● 推荐系统核心模块：召回、粗排、精排、重排、混排、冷启动、特征工程 ● 行为序列建模：用户长期/短期兴趣建模、时空行为预测（如下一站预测） ● 指标驱动优化：CTR、CVR、GMV、DAU、停留时长等业务指标建模与优化 ● 工程化落地：高并发推荐系统架构、AB实验平台、在线服务性能调优
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. 负责高德地图有业务场景包含但不限于：搜索推荐在线引擎建设、生成式大模型预训练、广告搜推及投放引擎设计、研发及调优工作； 2. 参与各专项技术调研，新技术引入等前瞻项目；
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 1. 大模型驱动的算法革新： a. 参与大模型（LLM、多模态大模型）在电商核心场景（搜索、推荐、广告、多智能体对话等）中的算法创新与应用； b. 研究大模型与经典搜推广模型的融合方案，提升模型效果与用户体验； 2. 下一代AI系统构建： a. 通过分布式训练、模型压缩、低延迟推理等技术，面向工业级应用完成千亿级参数大模型的高效训练与部署； b. 尝试生成式AI、多智能体协作等前沿方向，推动AI技术在电商领域的创新应用； 3. 大模型在亿级用户规模落地的实战： a. 直面淘宝数亿用户、百亿级行为数据的挑战，落地大模型应用； b. 参与双11、618等顶级电商场景的算法优化，见证大模型技术驱动商业增长的完整链路。 T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 1. 大模型驱动的算法革新： a. 参与大模型（LLM、多模态大模型）在电商核心场景（搜索、推荐、广告、多智能体对话等）中的算法创新与应用； b. 研究大模型与经典搜推广模型的融合方案，提升模型效果与用户体验； 2. 下一代AI系统构建： a. 通过分布式训练、模型压缩、低延迟推理等技术，面向工业级应用完成千亿级参数大模型的高效训练与部署； b. 尝试生成式AI、多智能体协作等前沿方向，推动AI技术在电商领域的创新应用； 3. 大模型在亿级用户规模落地的实战： a. 直面淘宝数亿用户、百亿级行为数据的挑战，落地大模型应用； b. 参与双11、618等顶级电商场景的算法优化，见证大模型技术驱动商业增长的完整链路。 T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper