理想汽车【智能工业】大模型算法工程师
任职要求
1. 硕士及以上学历，计算机科学、数学或统计学相关专业背景，具有3年以上计算机NLP/CV相关工作经验； 2. 在自然语言理解、计算机视觉、多模态、深度学习等领域有较深入的研究，熟练使用pytorch/tensorflow等至少一种主流深度学习框架，能够独立实现前沿模型，有NLP/CV/ML顶会发表经验者（ACL/EMNLP/CVPR/ICCV/NeurIPS等）优先； 3. 对LLM、多模态学习有深入理解和实践，有预训练、reasoning post-training、可控内容生成方向经验者优先； 4. 具备良好的分析和问题解决能力、优秀的工程素养，能够独立思考和解决实际问题； 5. 具备较强的团队合作能力和沟通能力，能够与工程团队、业务团队、产品团队和其他技术团队紧密配合。
工作职责
1. 负责语言大模型基座在汽车设计、生产、制造、售后、运营全生命周期场景语料的训练，包括训练语料优化与合成、基座模型架构、百亿~千亿基座训练、各项基座能力优化等； 2. 负责研发知识增强大语言模型技术，包括大模型领域适配、知识对齐、知识增强等，在车企场景构建专业知识驱动的智能体应用； 3. 跟踪和研究前沿的大模型、智能体（Agent）等技术方向，推动相关领域技术创新。
团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题介绍：生活服务行业在数字化转型中面临效率提升和成本优化的迫切需求，传统商家依赖销售老师处理商品管理、订单咨询、营销推广等环节，存在响应速度慢、标准化程度低、人力成本高等痛点。基于大语言模型（LLM）的对话系统具备自然语言理解、多任务处理、知识推理等能力，可以为商家提供智能客服、流程自动化、数据分析等场景的解决方案。然而，现有通用模型在垂直领域应用中仍存在领域知识匮乏、复杂任务执行能力不足、多模态交互受限等问题，需结合RAG、Function Calling、多模态等技术进行针对性优化。 课题挑战/必要性： 生活服务行业规则多变（如季节性促销、政策调整），需设计低延迟的领域知识库动态更新机制。另外，商家需求多样，对Agent工具调用、动态规划与异常处理能力提出了很高的要求。同时，在交互中期望能够实现语音、图像、文本等多模态信息的内容理解能力与自然交互，解决语义一致性的难题。 课题内容： 1、RAG在垂直领域的优化：构建生活服务行业知识图谱与动态检索库，研究检索增强生成中的上下文压缩技术与深度思考技术，提升答案准确性； 2、Function Calling与业务流程自动化：设计面向商家的工具库，支持自然语言指令到工具调用的精准映射，研究强化学习（RL）在工具调用领域的应用提升模型对领域外工具的识别泛化能力； 3、对话Agent的决策与协作能力：研究基于强化学习（RL）优化Agent的任务规划能力，研究多Agent协作机制； 4、多模态交互与生成：深入研究图像内容理解，开发能够与商家自然沟通的多模态交互与生成系统。
团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题介绍：生活服务行业在数字化转型中面临效率提升和成本优化的迫切需求，传统商家依赖销售老师处理商品管理、订单咨询、营销推广等环节，存在响应速度慢、标准化程度低、人力成本高等痛点。基于大语言模型（LLM）的对话系统具备自然语言理解、多任务处理、知识推理等能力，可以为商家提供智能客服、流程自动化、数据分析等场景的解决方案。然而，现有通用模型在垂直领域应用中仍存在领域知识匮乏、复杂任务执行能力不足、多模态交互受限等问题，需结合RAG、Function Calling、多模态等技术进行针对性优化。 课题挑战/必要性： 生活服务行业规则多变（如季节性促销、政策调整），需设计低延迟的领域知识库动态更新机制。另外，商家需求多样，对Agent工具调用、动态规划与异常处理能力提出了很高的要求。同时，在交互中期望能够实现语音、图像、文本等多模态信息的内容理解能力与自然交互，解决语义一致性的难题。 课题内容： 1、RAG在垂直领域的优化：构建生活服务行业知识图谱与动态检索库，研究检索增强生成中的上下文压缩技术与深度思考技术，提升答案准确性； 2、Function Calling与业务流程自动化：设计面向商家的工具库，支持自然语言指令到工具调用的精准映射，研究强化学习（RL）在工具调用领域的应用提升模型对领域外工具的识别泛化能力； 3、对话Agent的决策与协作能力：研究基于强化学习（RL）优化Agent的任务规划能力，研究多Agent协作机制； 4、多模态交互与生成：深入研究图像内容理解，开发能够与商家自然沟通的多模态交互与生成系统。
1. 负责将大模型技术应用于文本内容生成等业务领域，推动大模型技术匹配及赋能目标业务场景； 2. 负责大模型预训练和微调算法的研发平台搭建，以及大模型预训练和微调语料的处理与维护等； 3. 负责基于大模型算法的开发与优化，包括大模型增量预训练、高效微调、推理优化，解决落地过程中的算法和工程技术难题； 4. 负责追踪学术界和工业界在大模型预训练、微调、强化学习等方向的前沿进展，持续进行模型框架和训练方法的优化迭代；
1. 深入了解汽车制造流程，系统化梳理整车生产全流程（冲压/压铸/焊装/涂装/总装/电池/电驱），识别AI技术在整车制造业务场景，输出可落地的智能化改造解决方案 2. 基于整车制造场景，牵头设计并实现基于AI大模型的智能体架构，构建覆盖工艺优化、知识管理、智能决策的标准化AI产品体系 3. 负责搭建支持AI模型开发、数据管理、服务部署的一体化平台，建立汽车制造相关AI数据库，实现算法模型从训练优化到生产部署的全生命周期管理 4. 负责实施和优化机器学习代码，用于数据预处理、特征工程、模型训练和评估，验证模型性能并迭代改进 5. 牵头制造版块人工智能技术研发路径拆解，开展汽车制造领域前沿技术研究，制定整车智能制造3-5年AI技术发展规划，支持降本、提质、增效业务目标达成 6. 牵头内部赋能培训计划，打造具备AI思维与实施能力的复合型人才梯队