顺丰大数据挖掘与分析工程师（实习生)
任职要求
1、数据、数学、计算机相关专业。 2、熟练掌握大数据开发组件和开发语言，包括但不限于Hive、SPARK、HDFS,SQL等 3、具备扎实的数据分析基础，熟练掌握数据分析方法，…
工作职责
1、负责物流营运问题的分析挖掘工作，主导关键业务问题的分析建模，构建可解释的归因模型或预测模型。 2、负责利用数据挖掘和算法模型等手段驱动业务策略，输出分析报告，制定技术落地方案，推动机会点的落地。
1、设计和优化算法，提升海外增长场景的用户体验，驱动DAU的持续增长； 2、参与算法模型优化和落地，包括但不限于因果推断模型、深度学习模型、强化学习等算法模型； 3、参与搭建机器学习框架，提供高并发，大数据，高效可靠的线上服务； 4、探索和追踪前沿的算法和技术，结合增长业务、产出业界领先的解决方案。
作为推荐算法方向的研究工程师，你可以： 1、负责推荐系统中具体推荐业务的召回、排序等模型算法及策略的设计与优化； 2、深入理解业务场景，通过对数据的敏锐洞察挖掘产品潜在价值和需求，针对现有业务场景特点优化推荐策略和模型，不断提升用户体验和业务指标； 3、基于超大规模深度神经网络模型和机器学习系统，探索业界前沿推荐技术的研发工作，通过技术创新推动产品成长，包含但不限于推荐多模态大模型、图神经网络、多任务学习、超长序列建模、强化学习等技术方向。
作为推荐算法方向的研究工程师，你可以： 1、负责推荐系统中具体推荐业务的召回、排序等模型算法及策略的设计与优化； 2、深入理解业务场景，通过对数据的敏锐洞察挖掘产品潜在价值和需求，针对现有业务场景特点优化推荐策略和模型，不断提升用户体验和业务指标； 3、基于超大规模深度神经网络模型和机器学习系统，探索业界前沿推荐技术的研发工作，通过技术创新推动产品成长，包含但不限于推荐多模态大模型、图神经网络、多任务学习、超长序列建模、强化学习等技术方向。
【课题说明】 以大模型对话技术为核心，探索前沿技术问题。研究方向包括角色扮演、个性化对话、记忆管理，拟人化，数字人等，主要业务场景包括运营，招聘，销售，审核等。目标是构建覆盖多个场景的Agent系统，实现“技术驱动业务范式”的升级转变。 【建议研究方向】 1. 大模型个性化（Personalized LLM）：通过角色扮演、用户行为数据挖掘与建模、上下文理解等方法，分析用户情感状态，提升模型的个性化回复能力。 2. 面向语音交互的拟人化技术（Voice Agent）：优化大模型在语音对话场景的效果，提升大模型的拟人化水平，探索下一代端到端语音对话大模型的技术实现。 3. 记忆管理与增强（Memory）：通过优化模型长上下文能力、设计记忆抽取与管理模块，提升系统的记忆能力。 4. 基于LLM的RL（LLM-based RL）：通过强化学习，提升模型规划、决策、推理等能力。 我们将提供充足的计算资源和良好的工作自由度，目标是产出有影响力的工作，解决业务实践中的问题。