高德地图大模型研发工程师-高德打车

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。

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

1、负责制定高德打车在国际化市场的市场营销策略。 2、探索有效的市场营销渠道，建立在不同国家或地区市场投放、品牌合作渠道网络， 3、探索海外本地化市场营销模式，助力高德打车在本土市场提升品牌认知和用户转化。 4、基于数据分析，优化市场营销模式和渠道，沉淀海外市场营销方法论。

1、负责制定高德打车在国际化市场的拉新增长策略。 2、探索有效的规模拉新渠道，建立在不同国家或地区拉新增长渠道网络， 3、联动产品运营研发等部门，建立面向海外拉新增长的营销产品工具及链路。 4、基于数据分析，优化渠道获客转化漏斗，保证用户质量，提升风控能力。