小米搜索与推荐算法工程师-实习

团队由国内外知名高校及主流互联网企业的资深专家组成，在顶尖期刊（如KDD、NeurIPS、ICLR、ICML、AAAI等）发表过多篇论文，是国内理论与应用实践相结合、应用算法创新的顶尖和超一流团队。 职位描述： 围绕高德的核心业务场景，研究大模型与推荐结合提升业务效果并落地，不限于LLM、多模态大模型SFT、RLHF、多模态理解、内容表征、推荐算法、行为序列建模、搜索算法。

岗位描述： 1、参与小爱内容垂类(音乐/视频等)的搜索推荐算法优化工作, 使用 机器学习 / 多模态 / 大模型 等技术 解决 内容理解 / 搜索排序等问题，参与大模型在搜索推荐场景的微调与优化，提升模型在查询理解和跨模态信息融合对齐任务上的性能。 2、负责搜索推荐效果的改进，分析数据，落地到数据、算法、策略层，最终改进搜索推荐效果。

【团队介绍】 聚焦大模型与高德核心业务的深度融合。围绕用户出行、搜索、导航、POI发现、行程规划等亿级流量场景，我们探索如何通过大语言模型（LLM）、多模态大模型、强化学习与推荐系统的协同创新，提升用户交互体验与业务转化效果。 【岗位职责】 1. 参与高德地图 AI 对话 Agent 相关算法研发，包括对话理解、任务规划、工具调用、多轮对话管理等； 2. 探索大模型在地图场景下的应用，如 Prompt 工程、RAG、SFT、RL Training、Agent 框架优化等； 3. 协助构建高质量对话数据集，参与模型训练、评估与上线迭代； 4. 跟踪前沿技术，复现并改进相关方法，推动技术创新。

围绕高德的核心业务场景，研究大模型与推荐结合提升业务效果并落地，不限于LLM、多模态大模型SFT、RLHF、多模态理解、内容表征、推荐算法、行为序列建模、搜索算法。 你将参与以下技术方向： ● 大模型应用：LLM、多模态大模型（如Qwen-VL、ChatGLM、InternVL）、SFT、RLHF、Prompt Engineering ● 生成式推荐：基于大模型的内容生成、意图推理、序列预测、个性化生成排序 ● 推荐系统核心模块：召回、粗排、精排、重排、混排、冷启动、特征工程 ● 行为序列建模：用户长期/短期兴趣建模、时空行为预测（如下一站预测） ● 指标驱动优化：CTR、CVR、GMV、DAU、停留时长等业务指标建模与优化 ● 工程化落地：高并发推荐系统架构、AB实验平台、在线服务性能调优