高德地图大模型研发工程师-高德打车
任职要求
1、计算机相关专业本科及以上学历，熟悉大模型LLM、Prompt、RAG、Agent等某一方向的理论知识和应用技能 2、熟练掌握Pytho…
工作职责
高德打车是业内首创聚合打车模式，一键多平台叫车。帮助出行企业降低运营成本，让用户出行更方便，有安全便捷的出行体验。 1. 从事大模型相关工程研发或业务线研发等工作 2. 参与大模型部署及评测相关功能开发 3. 参与大模型业务应用需求开发
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。
在打车场景中，POI是用户目的地的数字化表达，是最基础的数据之一，直接影响用户能不能找到目的地、正确到达目的地。传统的数据更新依赖人工，现实的快速变化带来了更新成本剧增和更新速度降低。但这些在LLM时代迎来了转机，LLM更强的特征表达能力、更智能的规划能力让数据更新迎来了新的机会。在这你将迎来以下挑战： 1、追踪LLM/Agent的前沿技术：通过海量人工反馈资料，训练Agent替代人工，完成数据的自动化更新，降低成本、加快效率、提升质量 2、研究落地最新多模态对齐方案：在常见的图像、文本之外，我们场景中还包括位置信息（坐标），多模态对齐工作，对充分发挥数据价值，提升模型性能至关重要，是业内持续投入的重点&难点方向
在打车场景中，POI是用户目的地的数字化表达，是最基础的数据之一，直接影响用户能不能找到目的地、正确到达目的地。传统的数据更新依赖人工，现实的快速变化带来了更新成本剧增和更新速度降低。但这些在LLM时代迎来了转机，LLM更强的特征表达能力、更智能的规划能力让数据更新迎来了新的机会。在这你将迎来以下挑战： 1、紧跟LLM最新进展：迁移行业LLM最新能力，根据名称、图片、评论等信息，区分POI关键数据，提升属性正确率 2、追踪Agent的前沿技术：通过海量人工反馈资料，训练Agent替代人工，完成数据的自动化更新，降低成本、加快效率、提升数据质量 3、研究落地最新多模态对齐方案：在常见的图像、文本之外，我们场景中还包括位置信息（坐标），多模态对齐工作，对充分发挥数据价值，提升模型性能至关重要，是业内持续投入的重点&难点方向