顺丰大模型算法高级工程师（leader岗）

1、大模型与智能体核心能力建设： 围绕销售及大件业务场景，负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及 chatBI 等核心能力上的应用设计、微调与持续优化，支撑线索智能体、销售助手智能体及大件智能体等关键场景落地。 2、智能体推理链路与多智能体协同设计： 参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计，构建基于大模型的多轮推理、任务分解与业务决策链路，提升智能体在复杂销售与大件业务场景下的理解、决策与协同执行能力。 3、智能体工程化与能力复用建设： 设计并持续优化 Prompt、RAG（检索增强生成）、工具调用及 Agent 协作机制，推动大模型、推荐及相关决策能力的工程化落地，保障智能体能力的稳定性、可扩展性与跨场景复用。 4、业务决策模型与数据驱动优化： 结合销售线索质量、智能报价与折扣策略等业务需求，支持折扣方案模型的优化与场景拓展，通过数据挖掘与分析持续评估智能体与模型效果，驱动核心能力的迭代优化与业务价值提升。

1. 负责客户智能体的核心架构设计、开发与迭代，实现任务规划、推理决策、多智能体协作等关键能力 。 2. 深度集成主流大语言模型，熟练运用提示词工程、微调等技术，优化智能体在物流客服场景下的意图理解、对话生成与任务执行效果 。 3. 主导智能体系统从技术选型、原型验证到大规模部署的全流程，解决高并发、低延迟等工程挑战，确保系统的高可用性与稳定性 。 4. 与产品经理、业务运营及算法团队紧密协作，深入理解客户服务流程与痛点，将技术能力转化为可量化、可落地的业务解决方案 。 5. 跟踪智能体领域的前沿技术（如Agent框架、RAG、多模态交互），进行技术预研和概念验证，推动技术在业务场景中的创新应用 。

1、对语音方向有浓厚兴趣，扎实的语音信号处理和深度学习理论功底，对语音领域前沿技术有深入跟踪与实践，精通语音识别、语音理解、语音交互中至少两个领域。 2、、语音识别方向：精通语音识别全链路技术，包括 VAD、声学模型、语言模型、端到端建模（CTC / RNN-T / Conformer 等），熟悉解码与优化方法（Beam Search / WFST / LM 融合等），具备复杂声学环境下识别效果优化的实战经验。 3、语音理解方向：对语音大模型与语音理解技术有深入理解，熟悉主流语音理解大模型方案（如 Whisper、Qwen-Audio 等），具备 LLM 理论基础和调优实践经验，能够将语音理解能力与业务场景深度结合。 4、语音交互方向：熟悉语音交互系统架构，具备半双工 / 全双工语音交互系统开发经验，深入理解语义打断（barge-in）、轮次控制、端点检测等关键机制，有语音交互链路从设计到上线的完整研发经验。 5、熟悉语音大模型的训练和调优技术，熟悉预训练、后训练、上下文学习、反馈强化学习等相关技术，具备独立设计训练方案和解决训练疑难问题的能力。 6、具备良好的工程能力，熟练使用 Python / C++，熟悉模型部署与推理优化技术（如 ONNX / TensorRT / 量化加速等），能够推动算法从原型到高性能线上服务的全流程落地。

基座大模型研发与创新 参与设计并研发面向大规模多元时间序列的预训练基座模型，探索适用于时序数据的 Transformer变体(如Informer,FEDformer, PatchTST)及创新架构。 负责构建超大规模，高质量的时序预训练数据集，设计掩码重建，上下文预测等自监督预训练任务。 研究时间序列中的关键问题，如长周期依赖建模，多尺度特征提取，缺失值处理，以及时序与文本/事件等多模态信息的对齐与融合。 模型深度优化与领域适配 针对特定高价值场景(如电力负荷预测，量化金融，工业设备预测性维护)，对基座模型进行深度微调与优化，实现"通用能力"到"领域专家"的转化。 研发高效的模型适配技术(如参数高效微调 PEFT)，确保基座模型能够快速，低成本地适配到多样化的下游任务。 系统工程与高性能推理 负责将模型从研究原型推进到稳定，高性能的生产级系统。优化训练框架，利用混合并行(数据并行，模型并行，流水线并行)技术实现千亿参数模型的分布式训练。 主导模型的高效推理优化，应用量化(INT8/ FP4)，编译优化等技术，大幅降低服务延迟与资源消耗，支撑海量时序数据的实时预测需求。 技术前瞻与行业赋能 追踪时间序列分析，大模型预训练的前沿学术进展，并将有潜力的技术引入到产品研发中。 与业务团队紧密合作，深入理解行业痛点，将基座模型的强大能力转化为可衡量的业务价值，定义时间序列预测领域的新标准。 岗位要求 必备条件 计算机科学，人工智能，统计学或相关专业硕士及以上学历(博士优先).