OPPO高级算法工程师（Agent）
任职要求
任职要求： 1. 硕士及以上学历，计算机科学，统计学，数据挖掘，数学，物理等相关专业。3 年以上 NLP /多模态算法研发经验，在预训练模型，生成式AI, Prompt工程，SFT 微调，对话交互等中的一个或多个领域中具备实践经验。 2. 在高影响力的权威榜单（CLUE、SuperGlue等）中取得优势名次，或在人工智能顶会/期刊上发表研究论文者优先（例如：ACL/EMNLP/NIPS/ICML/ICLR/CVPR等） 3. 扎实的编程基础，至少熟悉一种常见的深度学习框架（Pytorch, TensorFlow等）； 4. 良好的数学基础与英文阅读能力，具备良好的团队协作意识与优秀的自驱力； 5. 关注 Reasoning 、Planning、Function call、DPO、MCTS相关技术，有相关经验者优先。
工作职责
智能体方向： 1、负责大模型驱动的AI智能体框架的实现，围绕ICL、CoT、记忆机制设计、自进化机制、多智能体协同机制等，优化提升AI智能体效果。 2、负责大模型的微调、强化学习、适配算法、调优工程方案，结合智能体应用，实现最佳效果与性能。 3、参与智能体的评估与优化，支持并构建产品原型和业务落地，支持小布助手、AI搜索等系统级智能体产品的落地。 4、跟踪与研究AI智能体相关前沿技术，并针对大模型推理与规划、工具使用、结构化输出等提出创新性方案。 AI搜索方向： 岗位职责： 1. 负责大模型相关的后训练技术研发，支持 SFT、DPO 和 RL 相关的技术研发，参与 RAG、Agent、用户意图理解等技术的研发； 2. 负责大模型在 OS、小布助手、AI 搜索等场景的应用，支持摘要总结、检索增强、问答、任务规划等领域的落地； 3. 跟进业界前沿技术，持续提升团队在自然语言处理领域的技术积累。
1.核心算法研发方面：负责大语言模型的核心算法研究与工程化落地，构建小米IoT商品理解、推理和生成能力的智能问答Agent系统。 2.RAG领域知识库体系构建：基于小米IoT生态链说明书知识，构建包括商品参数、功能问答、设置操作说明、故障排查等多源知识库。 3.RAG检索优化：优化改写、粗召、rerank等业务精排模型，提升大模型知识检索准确率。 4.探索IoT问答场景下的模型预训练、指令微调（Instruction Tuning）、对齐优化（Alignment）等关键技术，提升大模型在小米IoT商品问答中的表现。 5.技术前沿探索：跟踪大模型与Agent领域最新进展，推动小米产品领域问答场景下的技术创新与专利沉淀。
1、解决公司大模型/AI系统个性化的系统、算法中的中长期难题； 2、算法和系统难题包括但不限于：大模型个性化技术，多模态/手机端Agent框架搭建，Agent自动生成和自主学习，多模态大模型，多模态信息检索，端侧模型训练，个性化LLM推理等。算法与工程高度结合； 3、可自由参与各种技术讨论，自己发现问题，并解决问题。
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
我们是滴滴网约车MPT部门的大模型研究开发团队，致力于以大模型为核心，打通数据、技术与业务链路，推动AI在智能运营与交易市场中的应用革新。我们的研究方向涵盖大模型驱动的数据挖掘、智能运营系统、以及核心交易机制的技术演进。 工作职责与方向包括： - 负责基于大模型的智能运营系统构建，包括但不限于利用Prompt、SFT、RLHF、Agent等技术，打造面向业务的单点工具建设和产品工具集成。 - 负责基于大模型的交易技术任务和基础技术方案研发，包括但不限于基于大模型的判别式任务构建、基于大模型的基础公共特征挖掘，和交易市场主栈问题（定价、分单）中LLM的应用方案探索。 - 密切关注行业的最新动态，跟踪研究最新技术和趋势，推进有价值的技术在公司内部落地，探索前沿的算法迭代，推动技术创新。 - 与工程团队紧密合作，推动模型的工程化部署，包括模型压缩、推理加速等环节。