OPPO高级AI研究员-信息检索/智能体检索推理
任职要求
【岗位要求】 1.计算机、人工智能、数学、自动化、软件等相关方向的本科及以上学历。 2.优秀的算法和编程能力，掌握常用机器/深度学习模型，熟练使用Python/Java等编程语言和至少一种深度学习框架(PyTorch/TensorFlow等）。 3.具备1年以上机器/深度学习领域的研究和实践经验。 4.基本以下情况优先：有大语言模型/大推理模型/智能体/多模态模型等相关经验/论文；有领先公司信息检索(搜推广)/大模型/智能体相关实习/工作经历；在高水平国际会议/学术期刊发表过相关论文，或有高水平竞赛获奖经历者。
工作职责
【岗位职责】 面向AI搜索、AI检索、智能助理等高价值业务场景，预研和落地AI核心技术，岗位职责包括但不限于： 1.针对AI检索智能体、大推理模型(r1/o1/o3)、多模态特征生成、端侧大模型、多模态检索、AI搜索推荐、检索增强生成(RAG)、个性化内容生成等核心难题，负责研发和突破关键技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新AI技术，形成技术影响力。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 【岗位资源】 1.真实大规模搜推广、智能助理业务场景需求、数据、AI开发平台、计算资源。 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。
面向AI搜索等高价值业务场景，预研和落地AI智能体检索核心技术，岗位职责包括但不限于： 1.针对检索推理大模型(Search-R1)、多模态检索&特征生成、检索增强生成(RAG)、AI检索智能体(DeepSearch)等核心难题，负责研发和突破关键AI技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新AI技术，形成技术影响力。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 【岗位资源】 1.真实大规模搜推广、智能助理业务场景需求、数据、AI开发平台、计算资源。 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。
方向一： 岗位职责 面向应用商店、Agent助手、搜索、广告等高价值业务场景，预研和落地信息检索(搜索、推荐、广告)核心技术，岗位职责包括但不限于： 1.针对冷启动推荐、多场景多任务建模、自动特征工程、用户通用表征、多模态信息检索、对话推荐、端云推荐、检索增强生成(RAG)、智能体检索等核心难题，负责研发和突破信息检索关键技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新信息检索技术，发表高水平论文。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 方向二： 岗位职责 面向Agent助手、搜索、广告、应用商店等高价值业务场景，预研和落地智能体检索和推理大模型(r1/o1/o3)核心技术，岗位职责包括但不限于： 1.针对大推理模型(r1/o1/o3)、端侧大模型、多模态信息检索、AI搜索推荐、检索增强生成(RAG)、个性化内容生成、大模型特征生成等核心难题，负责研发和突破关键技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新信息检索技术，发表高水平论文。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 【岗位资源】 1.真实大规模搜推广、用户助手业务场景需求、数据、AI开发平台、计算资源。 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。
在公司个性化AI相关的大模型/多模态大模型等相关领域进行前沿研究，包括但不限于： 1. 大模型推理和个性化技术，包括模型对齐、推理能力增强、强化学习、个性化推理等研究方向； 2. AI Agent相关技术，如搜索增强/GUI Agent/自主学习Agent/Agent自动生成等； 3. AI搜索相关技术，如工具调用、推理模型、检索增强、多模态检索等； 4. 相关应用落地，包括个性化AI平台、Deep Research、AI创作等； 5. 更多前沿研究方向和未来生活应用场景的深入研究和探索
上海方向： 1.开发和优化大模型推理系统。研究面向大语言模型、多模态模型、视觉生成模型的推理加速技术，不限于并行解码、稀疏注意力、采样优化等技术方向。 2.跟踪学术界和工业界的最新推理加速技术，进行分析和优化，推进落地。 3.进行大模型推理加速技术创新，发表高水平论文。 【岗位资源】 1.真实大模型推理加速场景需求、AI大模型推理系统、计算资源 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。 深圳方向： 1. 参与或主导端云协同机器学习算法预研工作，跟进机器学习前沿发展； 2. 参与深度学习模型优化、压缩，设备端算法落地; 3. 指导和参与新技术与理论在实际业务中的落地应用； 4. 参与端云协同系统的研究落地转化，包括系统主要模块算法的设计、验证、实现和上线闭环，并在过程中沉淀对应学术成果。