高德地图高德-算法平台开发工程师/专家-算法平台方向

团队负责研发一站式搜广推模型机器学习平台，该岗位专注于面向搜索/推荐/广告场景的机器学习分布式训练系统研发 1、负责研发搜广推稀疏大模型分布式GPU同步训练框架，支持GPU单机多卡、多机多卡训练，支持稀疏参数的多级缓存架构和异步流水训练，满足搜广推稀疏大模型离线训练、在线学习、特征准入和淘汰等算法需求； 2、负责TensorFlow/Pytorch框架的后端GPU训练性能优化，个别自定义GPU算子的cuda kernel开发和优化； 3、参与样本数据平台、搜推模型全链路解决方案、LLM4REC等重要方向的研发，提升平台的效率和易用性，加速算法同学的模型迭代效率。

团队介绍： 加入高德地图移动架构核心团队，我们负责支撑亿级用户的地图与导航场景。在这里，你将深入业界领先的跨端容器技术，在包体积、“启动秒开”等性能体验上持续深耕、保持行业标杆水平，并在高德扫街榜等关键业务中深度优化，让技术价值直接转化为用户口碑。我们是一群对极致体验痴迷的工程师，期待与你一起，参与影响亿级用户的核心技术建设，把技术做到“能写进行业故事”的高度！ 加入我们，你将： 直面亿级用户产品的技术挑战，参与定义行业标准的跨端容器与性能优化方案，让你的代码影响全国用户的出行； 与一群痴迷于攻克技术难题、追求极致体验的顶尖工程师共同成长； 在架构设计、性能极致优化等方向获得充分授权，拥有将技术成果写入行业故事的机会与舞台。 岗位职责： 1. 参与高德地图APP基础架构和跨端容器的设计、演进、性能优化与难题攻关； 2. 负责高德导航、用户平台、增值服务等核心业务功能的开发与技术支持； 3. 持续优化应用性能、稳定性与安全性，解决潜在风险，保障用户体验； 4. 在包体积、冷启动速度、高德扫街榜等关键场景进行深度体验优化。

1. 负责基于强化学习（如Online/Offline RL、Model-based RL）的自动驾驶行为决策与运动规划算法研发，重点解决结构化道路（高速、城市快速路）及非结构化场景（自动泊车）中的动态交互与博弈问题； 2. 针对复杂动态场景（密集车流、无保护路口、人车混流），设计基于数据驱动的决策规划算法，通过大规模分布式训练系统提升策略的智能性、安全性及泛化能力； 3. 构建与迭代仿真环境（如CARLA、NVIDIA Isaac）与世界模型，推动强化学习策略的仿真训练与实车迁移（Sim2real），形成“真实数据→仿真训练→实车验证”的闭环优化； 4. 参与全栈自动驾驶决策控制系统的开发，对接感知、预测、端到端模块，实现基于强化学习的决策规划算法在车载平台上的部署、性能优化与实车路测； 5. 跟踪强化学习在自动驾驶领域的前沿进展（如大模型与RL结合、逆强化学习、多智能体博弈），进行技术预研与算法创新，推动研究成果在量产项目中的应用与落地。

1、负责AI大模型在电商业务场景中的核心应用开发，包括但不限于AIGC文本、图片生成，商品推荐，智能导购等内容； 2、参与生成式大模型的能力构建，包括但不限于模型设计、prompt优化、预训练、模型加速、数据集能力建设等； 3、深入理解业务需求，设计并优化AI大模型算法，提升模型性能和准确性，确保模型在实际业务场景中的高效运行； 4、进行模型微调，以适应不同电商业务场景的需求，确保模型性能的最优化； 5、了解并评估AI技术的最新发展，探索新技术在电商业务场景中的应用，解决落地过程中的技术难题。