
哈啰算法工程师-小哈
任职要求
1,本科及以上学历,计算机、数学、统计等相关专业,具备扎实的计算机或数理统计基础,熟练掌握常用的机器学习、时序预测、深度学习算法。 2,优秀的编码能力,熟练掌握tensorflow、pytorch等深度学习框架,熟悉Python语言。 3,优秀的学习能力和主动性、数据洞察和问题分析能力,具备团队合作精神。 4,加分项:有运筹、推荐等相关领域研究或业界项目经验;参加过数据挖掘/机器学习/ACM/数学建模等竞赛并取得优异成绩;在相关领域发表过优秀的学术论文,能够体现出较深刻的学术理解和思考。 5,工作地点:武汉市/上海市
工作职责
1、负责电柜网络选址、网点用户需求预测、C端营销等相关算法,包括运筹优化模型、机器学习模型、时序预测模型、深度模型等,通过多目标优化,满足不同业务的共同目标; 2、深入了解换电业务,把业务挑战转化为算法问题,给出有效解决方案; 4、制定和规划自己所负责领域的模型算法,逐步沉淀算法能力,形成可持续发展的算法体系。
1. 利用大模型技术支持小爱在各端设备上的Agent跨语言的理解能力; 2. 设计具备长短期记忆能力的智能体架构,运用模型微调、知识编辑、在线学习等技术,使大模型具备记忆的原生能力; 3. 基于SFT、强化学习等后训练方法,指导模型学习正确的“知识检索 - 整合 - 输出”范式,强化大模型对检索结果的筛选、验证与融合能力; 4. 构建覆盖模型准确性(F1值/AUC-ROC)、效率(推理速度/内存占用)、鲁棒性(噪声数据容错)、可解释性(梯度可视化)等多维指标的综合评估体系,构建自动化评估流程和算法。 【课题名称】 认知-记忆-问答链路及自动评估体系研究 【课题内容】 1. 统一地解决Agent对多种语言的理解、以及方言的理解问题 2. 研究智能体对长短期记忆的建模方法,运用模型微调、知识编辑、在线学习、RAG等技术优化大模型的长短期记忆能力,提升智能体的个性化水平 3. 本课题旨在构建集成网络检索知识与大模型生成能力的跨终端智能问答对话系统。通过融合实时网络检索知识,动态扩充模型知识储备,降低模型幻觉风险,提升回答的可信度与时效性。 4. 该课题旨在构建覆盖数据准备、多维度指标评估、自动化工具集成、智能诊断与反馈优化的全链路体系,实现大模型生成效果的闭环评估与问题溯源
1. 设计构建针推荐问题的大模型生成式架构,评价方法、数据集和指标; 2. 使用预训练,监督微调和强化学习等方法,提升模型在评测数据和线上指标的效果; 3. 使用多模态编码,prompt压缩等方法提升大模型预测的性能指标,降低成本。 【课题名称】 生成式大模型在推荐领域的应用研究 【课题内容】 该课题旨在实现一个以大模型为基础,基于对用户所处环境,设备信息和行为历史的理解,为用户推荐音乐、视频等内容以及个性化的IoT操作建议等。区别于传统的推荐算法使用级联式设计,该课题希望通过大模型实现生成式、端到端的推荐系统,使用包括预训练,监督微调和强化学习的方法,提升预测准确率,并降低预测成本。
1.负责优化小布助手个性化推荐算法,利用机器学习,深度学习,LLM等前沿技术,提升用户体验和业务价值。 2.深度结合小布助手的实际场景,与产品运营、数据、后端等联动,推动上下游数据、埋点、功能打通和全链路优化。