美团物流解决方案专家-进向物流策略

1. 进向物流能力建设：建设转运仓、跨城/市内上门揽收、3PL仓等多种模式能力，评估模式可行性、通过数据分析梳理内部目标商家画像，规划物流线路、进行收益及风险评估，推动履约&成本优化，确保模式可持续健康运营。 2.供应商履约链路模式创新：根据供应商供应链的模式，调研并设计适合供应商的供给履约模式，包括但不限于产地直采模式、托盘商模式、产地集货发运模式等，设计解决方案并落地运营。 3.数据及产品能力建设：根据供应商的履约链路模式，设计并制作数据看板，并结合系统产品能力，提对应的产品需求，确保线上线上能力实现互通。

加入西门子智能基础设施集团，成为零碳先锋，共创明日世界！ 西门子智能基础设施集团 (Siemens Smart Infrastructure, SI) 的业务涵盖能源系统、楼宇和工业，旨在通过集成软硬件、产品、系统和解决方案，改善人们的生活和工作方式，显著提高效率和可持续性。我们致力于打造更低碳、更智能、更灵活的基础设施，在楼宇科技、智慧园区、数据中心等领域，都有我们成功的项目案例。 西门子楼宇产品全球研发中心，位于高科技企业林立的北京市海淀区中关村1号地区，是西门子智能基础设施集团楼宇产品在亚太的研发中心，承担了智能楼宇产品全球研发任务。亚投行总部、水立方、国家速滑馆（冰丝带）、港珠澳大桥、上海环球金融中心、大兴国际机场等建筑里都使用了我们研发的产品。我们期待硬件研发岗位人才可以推动楼控、消防领域发展。 你将在这些领域发挥影响： • 负责火灾报警控制器、联动控制器、现场设备等核心消防产品的结构创新设计，协同跨部门团队完成从概念到量产的全流程开发 • 精准把控亚太、欧美市场差异化需求，在功能、成本与可靠性间实现完美平衡，确保产品竞争力领先行业 • 理解并管理客户需求，控制项目范围、预算和开发周期 • 深度参与产品开发，在概念、计划、开发、验证各阶段发挥关键作用 • 作为项目核心成员，协调资源、管控风险，确保研发项目100%按时交付 • 通过系统化技术分析，为团队决策提供数据支撑，助力产品一次通过UL/EU/CCC等全球认证 • 与客户及项目团队成员进行周期性的有效沟通，与生产团队紧密合作以确保新产品顺利交付量产 • 制定并维护更新详细项目工作计划以及项目预算；获取合适的资源并给项目成员分配清晰准确的工作内容和方向 • 项目进行中的日常管理，按照项目计划监督项目成员的工作绩效、识别并解决项目中出现的问题。向管理层周期更新项目状态，做好项目会议记录及项问题记录 • 评估项目风险，指定相应的应急相应计划。识别、评估并监督所有影响产品及项目质量的事项，确保满足所有要求的质量标准 • 评估项目成员在项目全周期的表现并给予反馈。支持项目成员和组织的能力提升 • 支持质量部门改善流程以便提高项目执行的效率

团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量；具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应；精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。

团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量；具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应；精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。