高德地图多模态大模型/机器学习算法工程师-高德打车
任职要求
1、 算法：对数据敏感，有扎实的数据结构、机器学习算法基础，包括但不限于大模型、NLP、多模态融合、多任务学习、深度学习等（其中若干种即可） 2、 大模型：熟悉大模型相关技术，包括但不限于LLM、Transformer、GPT、Diffusion等，了解prompt、SFT、RLHF、RAG、langchain等相关知识 3、 工程：熟练掌握Python，有使用sklearn、TensorFlow等工具的经验。掌握海量数据处理技术…
工作职责
高德打车算法团队，负责高德打车的算法模型构建和服务部署，覆盖用户增长、风控、服务管控、路线和上下车点推荐、ETA预估、智能客服等方向。我们致力于将多模态大模型/AIGC、因果推断、运筹优化、多目标推荐、时空数据预测、图学习、半监督学习、自动机器学习等最新算法技术应用于打车业务，提升平台效率和用户体验。我们正在寻找相关专业的优秀实习生，共同探索最前沿的算法技术，攻克业界难题，促进业务增长。
打车场景下，上下车点推荐是指在用户发单前，系统根据用户的历史行为、环境信息，为用户推荐最合适的上下车位置。合理的上下车点有助于司乘高效碰面，甚至关系司乘的安全。上下车点推荐是典型的线上-线下的业务场景。 1、通过机器学习、深度学习优化上车点推荐系统（推荐乘客最理想的上下车位置），减少接驾时间，降低司乘沟通成本，提升用户出行体验，主要参与特征工程和多任务、多场景，特征交互等模型优化 2、现实物理世界结构复杂，从二维的物理平面到路网的拓扑，需要有效的组织各类地理元素、构建场景特征，探索CNN、GRAPH等各类表征学习的方案。 3、行为和内容的融合，在地理领域解决冷启动、用户需求多样性，都面临独特的挑战。 4、地图位置信息和大模型结合的创新研究探索。
1、负责哈啰打车的策略运营工作，对渠道流量到供给履约的全链路转化负责 2、针对哈啰自营&渠道的不同，进行识别刻画和分层分发，从而提高运力承接的质量和周转效率 3、综合自营运力&商家供给不同的运力特征，进行成本、密度、偏好和履约体验的分层应用，做派发效率的合理分配 4、有良好项目发起、管理和推动的经验，能推动内部横向和第三方流量/供给的业务共创和协作。
算法工程师 1.基于滴滴交通出行业务，构建完整的打车智能化运营策略解决方案，包括但不限于增长策略、定价策略、供需预测、资源分配策略等各类丰富场景； 2.承担网约车业务核心业务指标，使用运筹优化、机器学习、因果推断等技术持续优化超大规模动态双边市场的交易效率。 计算机/应用数学/计量经济学/统计学相关专业，研究生/本科，2023年毕业 编程基础扎实，至少熟悉python/scala/R等编程语言之一 熟悉常用的机器学习与数据挖掘方法 熟悉常用统计理论与分析方法，数理逻辑好，具有一定的数据分析能力 有较强的学习能力和好奇心，自驱性强，具备良好的团队合作和沟通能力 加分项： 1. 有计量经济学/因果推断方向相关背景优先 2. 有运筹优化/收益管理相关背景优先 3. 有深度学习相关背景优先 4. 有SQL、Hadoop、Spark、Hive、TensorFlow相关经验优先
岗位描述 负责高德共享打车核心业务相关架构设计与研发工作，全新业务模式，复杂业务场景，高并发大流量场景挑战：链接运力和出行场景，构建共享出行新生态; 1.负责在线服务系统的架构设计、研发工作； 2.负责攻克服务中高并发、高稳定性，业务模型复杂等带来的各种挑战及技术难关。