顺丰大模型算法高级工程师
任职要求
1、学历与经验： 计算机、人工智能、数学等相关专业硕士及以上学历，3 年及以上算法或大模型相关工作经验，具备大语言模型在真实业务场景中的落地实践经验者优先。 2、大模型与算法能力： 熟悉主流大语言模型（如 GPT、Qwen、LLaMA 等）的原理与使用方式，具备 Prompt Engineering、模型微调（SFT / LoRA）或推理优化经验；对意图识别、文本理解、信息抽取、多轮对话、任务规划等 NLP 方向具备扎实的理论基础与实践能力。 3、智能体与系统设计能力： 理解并具备基于大模型的智能体（Agent）设计与实现经验，熟悉多智能体协作机制、…
工作职责
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、负责大语言模型的Prompt Engineering、垂类应用、agent、rag、多模态大模型的研究与前沿技术跟进等工作； 2、负责研究和洞察大模型测试体系和数据构建方法； 3、负责构建、训练和优化单模态、多模态大模型，提高模型的效果，满足业务需求； 4、探索跟进大语言模型的前沿技术。
1. 负责制定大语言模型方向的技术战略与演进路线，持续引领团队在算法创新、系统部署、智能体架构等关键方向取得突破； 2. 全面统筹垂域大语言模型的研发、评估与部署生命周期，推动算法与系统能力的标准化、模块化和可复用建设； 3. 牵头在客服、销售、收派、运营、办公智能等核心领域构建智能体系统，重构关键业务流程，推动大语言模型的深度融合与落地应用； 4. 主导复杂业务问题的抽象建模，构建行业级、多任务、多场景的评估体系，覆盖模型精度、稳定性、安全合规等维度； 5. 制定并实施大语言模型系统性能优化策略，构建资源利用率高、弹性强的推理服务架构，提升模型部署效率与稳定性； 6. 引导团队围绕业务目标开展系统性大语言模型算法调研与分析，识别潜在问题与机会点，提出可落地的优化方案； 7. 紧跟大语言模型领域技术发展，持续输出行业趋势洞察，制定面向未来的技术路线与实施规划； 8. 管理算法团队，对团队成员进行技术引领、指导、职业发展辅导，保持团队先进性。
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).
职位描述 1、负责人工智能大模型的研发工作， 研发基于大模型的AI搜索、用户理解、ChatBot、检索增强、导购助手等应用，确保产品的创新性与实用性 2. 深度参与AI搜索类产品建设工作，主导大语言模型（LLM/MLLM）的预训练、持续训练、SFT、RLHF 等技术，不断提升模型的性能与表现。 3. 推动 AI 应用落地搜索场景，深入分析业务需求，通过技术手段提升作业效率与用户体验； 4. 持续关注行业内人工智能技术的发展趋势，引入前沿技术并进行创新应用