高德地图高德-大模型应用算法-AI 搜索-信息算法专项

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）。

【一、算法方向】 我们是网易云音乐算法团队，专注于行业领先的搜推广算法，通过技术赋能云音乐业务，提升用户体验，产生商业化价值。我们期望年轻、有潜力的算法/AI人才加入我们。 [在这里你可以] 1、接触和优化服务于云音乐数亿真实用户的推荐和搜索系统； 2、进一步优化云音乐已落地的生产级生成式推荐算法； 3、接触云音乐数十亿歌曲/歌单/评论/音频等真实生内容，为多模态内容表征/内容生产/语音合成提供丰富的语料。 [职位描述1：内容分发（搜推广方向）] 1、参与优化云音乐歌曲/专辑/歌单/评论等数十亿内容的分发工作，使用行业领先的机器学习平台，实现并不断优化推荐/搜索/广告算法，通过大模型技术的应用，不断提升用户体验和商业化变现效率； 2、追踪行业前沿的推荐/搜索技术，落地并优化云音乐下一代生成式推荐算法，进一步在数据/模型/推理等方面探索scaling law，提升推荐系统的性能上限。 [职位描述2：多模态研发（内容表征和生成方向）] 1、参与网易云音乐多模态技术建设，使用和优化行业领先的多模态大模型技术，对音乐内容（包括但不限于歌曲/歌单/评论/视频等）进行内容理解、内容表征，帮推荐/搜索/广告/社交等业务场景更好地分发内容和优化检索； 2、参与网易云音乐内容生成方向技术建设，研究Transformer、Diffusion等技术，使用多模态文/声/图/视频等大模型技术，探索AI歌曲、AI歌单、AIMV、语音合成等方向，更好地服务音乐内容创作； 3、深入研究行业领先的语音大模型技术（如CosyVoice、GPTSoVITS等），掌握Diffusion、Flow-based、Transformer-based等语音生成模型的原理和方法，提升合成语音的自然度、情感表达和多样性。 【二、工程方向】 [职位描述：机器学习平台开发（AI infra）] 在这里你可以： 1、挑战下一代推荐系统的工程落地； 2、高并发低延时大规模推理部署； 3、海量数据低成本训练。 在这里你需要： 1、负责探索下一代推荐系统的架构升级、模块开发、性能优化等，保证系统高效稳定； 2、负责推荐模型从特征，样本，到线上推理工程落地； 3、对接相关算法团队，落地模型优化，实现高性能的模型推理加速。

Top Seed人才计划-豆包大模型研究实习生专项：面向 2025 年 9 月及以后毕业的博士及本硕在读同学，加入我们，你可以自主决定研究课题，与正式员工享受同等权限和资源，和优秀的研究员一起，向智能上限发起挑战。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、AI搜索总结Agent研发： 1）设计并实现基于LLM的搜索总结Agent，提升搜索结果的理解、推理与结构化总结能力； 2）探索LLM Reasoning技术（如思维链、多步推理），优化复杂查询的Deep Research模式，实现长文本理解与跨文档信息融合； 3）构建端到端系统，涵盖意图识别、知识检索、结果生成与偏好对齐，提升用户体验； 2、模型优化及应用： 1）通过指令微调（Instruction Tuning）、偏好对齐（RLHF/DPO）等技术优化模型在搜索场景的适应性； 2）探索多模态信息（文本、代码、结构化数据）融合的搜索与生成技术； 3）研究未来生活中的创新应用场景（如个性化知识助手、自动化研究工具），探索技术边界。