高德地图高德-NLP/搜推/大模型算法工程师/专家(P6/7）-POI智能化
任职要求
1、熟悉NLP的各种任务建模，并且有丰富的实践经验，包含但不仅限于切词、NER、语言模型、事件检测与要素抽取、分类等； 2、具备分布式计算方面的研发经验，能够在Tensorflow、Pytorch等主流深度学习平台上开发分布式算法； 3、有技术洞察力，精益…
工作职责
我们需要NLP方向和推荐方向的算法专家，负责对地图生产资料、互联网情报、搜索日志、用户反馈等非结构化文本进行分析和信息抽取，负责理解高德用户的到达行为，融合人地大数据，构建知识图谱和智能推理能力，打通数据生产和前台业务，使得用户获得更加智能的出行和服务体验。 1、参与和负责POI产线的NLP算法部分，包括POI的NLP基础功能服务、多模态名称融合生成、名称质检模块、名称纠错模块等； 2、搭建POI的NLP基础服务平台，实现以POI为核心实体的地图数据图谱，为高德的POI搜索、推荐业务提供完备信息； 3、配合其他POI采集、挖掘、调度、聚合业务，建模NLP任务，提供准确且有效的NLP信息； 4、积极地探索和研究NLP的应用和认知领域，结合地图场景，提供更加全面且完备的服务； 5、参与和负责POI的XGC业务，包括相关性召回、各级转化率模型，提升用户的答题率，答题的转化率模型； 6、积极地挖掘高德的人地相关性，推动用户与POI问题的推荐逻辑，提升高德场景的搜推基建和技术。
【业务介绍】 我们是小红书内稠密类模型（LLM/MLLM/SD/CV/NLP）统一的AI平台QuickSilver，负责调度公司内所有稠密类模型训练与推理资源，基于自建的训推引擎，为公司所有AI算法同学迭代业务模型提供端到端一站式AI服务；包括数据管理，模型管理，模型训练、压缩、推理、部署，服务管理，资源调度等一系列能力。 工作职责： 1、负责稠密类模型训练推理开发平台的架构设计和核心功能研发 2、设计和实现大模型训练部署流程，包括模型fine-tuning、推理服务化等 3、构建云原生架构，设计高可用、高性能的微服务体系 4、优化平台性能，提升系统稳定性和可扩展性
中台稠密引擎组，是小红书负责建设通用深度学习训练推理引擎的团队，面向全公司LLM、多模态LLM、SD、传统CV&NLP等稠密计算型模型训练与推理的业务场景，打造高效、易用、业界领先的训练与推理引擎，为小红书社区、商业化、安全等众多业务方向提供先进的引擎能力，支撑业务持续提升训练推理效率、模型迭代效率与算法研发效率。 1、参与设计和实现深度学习后训练及微调的前沿算法（包括但不限于RFT、RLHF等），以适应多样化的业务场景； 2、结合业务数据和场景，评估选择最适合的微调算法，以支撑业务大语言模型（LLM）微调指标的提升； 3、与数据团队紧密合作，深入理解数据特性，参与设计实现数据提质算法引擎工具，产出高质量数据集提升模型微调效果； 4、与公司内各算法团队深度合作，参与或负责大语言模型、多模态大模型等业务场景的后训练端到端效果提升及落地； 5、密切关注业界 LLM 微调算法和数据提质领域的前沿论文，并整合新技术和算法到训练引擎中，提升框架的领先性；
1、负责模型训练平台核心功能开发和架构设计，包括传统CN/NLP/SD/LLM等多场景支持 2、负责大模型后训练工具平台化建设，包括后预训练、微调、对齐等技术落地 3、设计和实现高性能分布式训练系统，打造端到端训练解决方案 4、优化训练调度和资源管理，提升集群利用率和训练效率 5、开发模型训练监控诊断工具，建设可观测性体系
我们正在寻找一位具有AI智能化及内容算法经验的算法团队负责人。负责领导团队开发前沿技术，推动旅游领域知识的构建，支持内容产品的分发和AI Agent结合的创新应用探索，提升公司产品的智能化水平。 ： 领导并管理内容算法团队，制定技术战略和发展方向，推动知识构建、知识编译、知识分发、探索LLM等创新NLP技术与Agent业务的结合。 1、负责基础NLP相关算法研发，面向但不限于：预训练，文本理解，同义词挖掘，实体识别，term权重分析，属性词挖掘 2、结合NLP和深度学习技术，推动领域知识的构建与优化，制定各环节Benchmark及衡量标准, 跟进业界先进大模型、多模态技术的应用及改进 3、发现并解决推荐分发场景中的意图识别、排序模型、相关性等方向的问题，召回策略和召回模型的优化，开发先进和高性能的召回算法 4、与产品、数据、工程等跨职能团队协作，推动技术落地和产品迭代。 5、负责团队成员的技术指导和能力提升，推动团队技术文化的建设。