得物算法专家（内容理解）
任职要求
1. 本科以上学历，计算机相关专业，具备大模型、多模态、NLP、CV等任一方向背景。有在搜索、推荐、创作、审核、广告等场景的落地经验； 2. 紧跟技术前沿，善于将新技术跟现有业务做结合。具备良好的沟通协作能力，能够突破传统思维框架，深入业务场景探索创新解决方案…
工作职责
【团队介绍】 我们是得物社区内容理解团队，主要利用前沿大模型、多模态大模型等技术，服务整个社区内容理解相关业务，包括搜索、推荐、创作、商品内容化、审核等。 大模型for搜索：当前团队聚焦在如何利用大模型更强的基座能力&世界知识，跟现有搜索系统做结合，跟搜索同学合作，提升相关性、质量、多样性、增长等目标。以及在探索如何将下一代搜索形态“ai搜索”，跟得物社区进行有效结合。 大模型for推荐：当前工作包括基于多模态大模型的商品&内容联合表征、大模型美学分&信息量识别、营销感/性感问题识别、查重搬运、点评标签抽取、ai标题生成等。 团队技术氛围好，有周期性技术分享，兼顾业务产出和技术探索。工作自由度高，求真务实，给足context，鼓励将前沿技术落地到业务。成员均是来自国内一线互联网公司“老炮”，或top高校优秀应届生。 欢迎热爱新技术、始终保持好奇心、不盲从权威，对大模型在社区落地感兴趣的同学加入。 职位描述 1. 推动大模型、多模态等前沿技术，在得物社区各业务中的探索与落地。配合产运&搜推算法，深入理解业务场景，实现业务指标与技术创新共同增长； 2. 协同搜索同学，负责大模型在搜索意图理解、召回、排序、多样性等模块的落地，包括大模型相关性、大模型query改写、大规模商品标签等； 3. 协同推荐同学，深入挖掘内容中各模态有价值信息，通过大规模物品标签体系、多模态embedding、ocr、asr等能力，在推荐冷启、i2i召回、画风治理等场景的落地； 4. 负责ai搜索在得物社区的落地，站在用户视角思考新一代搜索的交互形态，持续打磨RAG、大模型微调、强化学习等底层技术，提升复杂query、中长尾query、多轮query的回答效果。
1，理解电商场景商品、商品匹配业务，结合得物自身场景特点，提升算法指标； 2，理解电商服装商品特点，优化服装尺码推荐准确度； 3，参与商品内容理解算法研发，图像匹配相关模型设计和研发。
团队介绍： 高德地图机器学习研发部是公司AI核心技术引擎，聚焦多模态大模型、视频生成与理解、图像编辑与生成等前沿领域。团队深耕人工智能技术落地，支撑亿级用户产品，同时长期投入前沿探索，在NeurIPS/ICLR/CVPR/ACL等顶会发表多篇论文，多项成果入选“最有影响力论文”榜单。我们拥有海量数据与算力资源，鼓励创新突破，诚邀你与顶尖算法专家并肩，共同定义AI的未来！如果你渴望挑战多模态与生成式AI的技术巅峰，在视频、图像、大模型的交叉领域实现突破，欢迎加入我们！团队的github页面是：https://github.com/AMAP-ML/ 我们提供 • 参与亿级用户产品的AI核心算法研发，见证技术直接赋能业务； • 与学术大牛和工业界专家共事，持续提升技术视野； • 顶配算力资源+开放创新氛围，支持前沿探索与顶会论文发表。 具体职责包含但不限于： 1. 视觉理解任务的技术探索，要求对视觉基础任务有深入的理解，做好在商品理解、详情页的文图内容、开放图片识别等公司核心业务上的落地； 2. 多模态大模型的技术探索，要求对多模态大模型训练、文图跨模态对齐等有深入实践，做好多模态大模型的能力构建和应用； 3. 追踪领域前沿工作，沉淀技术，投稿领域顶级会议。
1. 设计和实现多模态(图文)和多源信息(PGC/UGC/Web content等)的综合内容理解，以优化我们的地图搜索、推荐和POI信息理解能力。 2. 深入研究和改进模型的性能，包括准确性、效率和可扩展性。 3. 与跨职能团队合作，包括数据工程师、产品经理和架构工程师，确保模型与业务目标一致。 4. 跟踪新的人工智能和机器学习研究，将新的研究成果应用于实际问题。 5. 负责模型的维护和迭代，确保其在动态环境中的稳定性和可靠性。
1、 整合海量多维数据进行数据挖掘，面向全、新、净、准、丰的目标构建小红书国内和海外的POI数据资产体系，进行结构化POI库的建设； 2、 利用全域数据资产和海量多维数据，运用机器学习和统计分析的方法，面向小红书开放平台业务挖掘POI父子关系、POI标签体系、用户时空知识体系，为POI各类场景提供模型和服务支撑；