得物大模型应用算法工程师/专家
任职要求
1、学历背景：硕士及以上学历，计算机、人工智能、信号处理、模式识别等相关专业，优秀本科生可放宽条件； 2、熟悉机器学习、深度学习基础理论和方法，掌握主流深度学习框架（TensorFlow / PyTorch）； 3、具备 NLP / CV 技术应用经验，包括但不限于语义分析、检索模型、知识库构建、视觉大模型、多模态大模型等； 编程能力： 5、熟练掌握 Python/C++…
工作职责
1、深入理解电商平台业务场景，负责自然语言处理（NLP）、语义分析、人机对话模型等核心算法的研究与实现； 2、基于电商业务场景数据，重点负责大模型后训练算法，以及策略优化等相关工作； 3、负责搭建和优化Agentic系统，挑战将前沿Agent架构和算法应用于大规模电商核心业务，打开业务增长空间。 4、跟踪行业前沿技术，探索Agentic RL、DeepSearch、高效大模型等技术，参与新一代基座模型的调优与创新。
1）模型应用落地：负责Prompt设计、Few-shot/Zero-shot优化、Continual Pretrain、SFT/RL、RAG链路搭建，提升模型在垂直场景的效果与稳定性，并落地业务解决方案，如AI搜索、智能问答、内容生成、对话系统等； 2）数据构建与评估：构建高质量指令数据、偏好数据、评估集，设计自动化评估指标（如BLEU、ROUGE、人工一致性、幻觉率）； 3）系统协同优化：与工程团队协作，提升模型的训练效率和推理效率，包括但不限于KV-Cache、量化、投机解码等技术，以及部署链路（如vLLM、TensorRT、Triton）的优化； 4）业务效果闭环：建立A/B实验体系，跟踪模型上线效果，持续迭代优化，推动业务指标（如CTR、转化率、用户满意度）提升。
1、负责 Coding 大模型能力优化，包括 Prompt、SFT、RL、RAG、Agent 等方案设计与落地； 2、提升模型在代码补全、代码生成、代码解释、Bug 修复、单测生成、Code Review 等场景中的效果； 3、构建代码数据、偏好数据和评测集，建立面向真实研发任务的评估体系； 4、与工程团队协作，优化模型训练、推理和部署效率，推动能力在 IDE、代码平台、研发流程中的落地； 5、建立业务效果闭环，持续跟踪模型上线后的采纳率、提效收益和研发质量提升情况。
1. 模型能力建设与数据飞轮搭建 负责 ASR、TTS、Omni、视频生成等多模态模型的能力提升，构建覆盖数据生产、模型微调、对齐优化和评测分析的完整数据飞轮，通过持续迭代提升模型效果、稳定性和泛化能力。 2. 评测驱动的系统级迭代 建设科学、全面且贴近业务的评测体系，以评测结果为核心，打通数据生产、系统迭代、问题定位、效果验证和问题修复流程，形成高效、可持续的自迭代系统。 3. 业务场景落地与能力沉淀 深入真实业务和客户场景，理解客户需求及实际使用中的关键问题，识别模型与系统优化方向；综合运用模型训练、数据优化、推理策略和工程方案，完成高质量交付，并将场景经验沉淀为可复用、可规模化的系统能力。 4. 多模态融合与对齐 推进语音、文本、图像和视频等多模态信息的理解、生成、融合与对齐，解决跨模态表征、时序同步、语义一致性和可控生成等关键问题，提升多模态模型在复杂交互与内容生成场景中的综合表现。 5. 前沿技术探索与工程转化 持续跟进多模态大模型、生成式模型、强化学习及模型对齐等方向的前沿进展，结合实际业务需求开展技术验证，并推动研究成果转化为稳定、可用的产品能力。
1、意图理解: 基于用户输入、历史上下文以及环境信息，理解用户真实意图、完成多轮改写query以及任务难度识别，提升识别&分流准确率。 2、Function-call：抽象并整合内外部服务能力为工具，训练大模型理解以及使用工具能力，解决用户需求，提升工具使用及参数提取准确率。 3、生成式推荐: 基于海量用户session行为，通过大模型挖掘用户长短期潜在意图以及需求，并预测用户后续行为，提升各场景引导入口CTR。 4、跟踪业界最新研究技术以及成果，并应用到实际产品中；