京东数据知识图谱工程师
任职要求
1. 精通知识图谱及图数据库技术，具备Neo4j、Nebula Graph、GeaFlow等图数据库使用经验，能够根据业务与数据平台现状设计合理的图谱Schema，具备Cypher、Gremlin等图查询语言能力，有图查询性能调优实践经验者优先； 2. 具备将元数据、血缘、数据质量信息统一建模至知识图谱的完整或部分实践经验者…
工作职责
部门介绍：我们是市场与平台运营中心，作为京东科技的核心力量之一，在金融业务的市场拓展、平台运营与生态建设中发挥关键作用。我们以“体验与效率的价值共生”为核心理念，聚焦C端用户，推动产品体验与技术能力的深度融合，实现商业价值与用户体验的共赢。我们通过数据驱动决策、营销创新实践与平台精细化运营，持续优化关键金融场景（如现金贷、财富管理、大支付、保险等）的用户体验；依托京东金融APP、白条频道页、我的钱包页等核心入口，我们构建起连接用户与金融服务的高效桥梁。我们汇聚产品、运营、量化、研发等多职能人才，以协同创新为引擎，推动业务的可持续增长与长期价值创造。我们不仅追求短期目标的达成，更致力于构建一个用户信赖、商业健康、技术领先的金融科技生态。欢迎加入我们，一起构建可持续的商业未来！ 1. 负责元数据架构升级，基于统一Data Catalog、数据目录与全链路血缘，推进知识图谱建设，实现表结构变更、任务调整前对下游任务/报表/指标的影响分析与清单输出； 2. 沉淀数据资产画像能力，将数据质量规则、执行任务、结果指标（如空值率、波动率、异常比率等）纳入知识图谱，打通监控、告警、工单系统，构建“质量问题 → 影响范围 → 责任人 → 处理闭环”的完整链路； 3. 在“知识图谱 + 大模型”框架下开展前沿实践，推动智能数据发现与资产推荐、智能血缘分析、智能数据质量诊断等功能落地，支撑Text2SQL准确性提升。
大模型数据认知方向，负责设计和开发先进的算法，解决大模型数据生产中的关键问题，包括但不限于数据知识体系生成、语料自动分类、智能数据标注、权威评测集建设以及基于评测的语料质量评估与合成。你的工作将直接影响蚂蚁大模型的训练效果和性能表现。工作将涉及以下1个或多个方向 ● 数据知识体系生成： 研究基于LLM的自动知识图谱生成技术，设计并实现自动化算法，构建高效、可扩展的大模型数据知识体系。 ● 语料自动分类： 基于数据知识体系，研究和开发语料分类算法，指导大模型数据的拓展方向； ● 权威评测集建设： 研究业界现有评测集的缺陷，构建标准化、多样化的权威评测集，用于评估大模型的性能； 与跨职能团队合作，确保评测集覆盖全面且具有代表性。 ● 语料质量评估与合成： 建立大模型训练的数据驱动体系，开发语料质量评估算法，识别低质量或噪声数据。 研究数据驱动的语料合成技术，基于模型的评测效果，针对性合成能够改进模型效果的训练语料，提升模型迭代效率 ● 智能标注链路研发: 基于大模型数据的标注需求，研发辅助打标算法； 设计构建 AI辅助的标注质量检验与标注提效的算法链路，提升人工标注的质检效率与标注质量 ● 技术创新与优化： 持续跟踪学术界和工业界的最新研究成果，探索前沿技术在大模型数据中的应用。 针对实际业务需求，提出创新性的解决方案并快速落地。
大模型数据认知方向，负责设计和开发先进的算法，解决大模型数据生产中的关键问题，包括但不限于数据知识体系生成、语料自动分类、智能数据标注、权威评测集建设以及基于评测的语料质量评估与合成。你的工作将直接影响蚂蚁大模型的训练效果和性能表现。工作将涉及以下1个或多个方向 1、数据知识体系生成： 研究基于LLM的自动知识图谱生成技术，设计并实现自动化算法，构建高效、可扩展的大模型数据知识体系。 2、语料自动分类： 基于数据知识体系，研究和开发语料分类算法，指导大模型数据的拓展方向； 3、权威评测集建设： 研究业界现有评测集的缺陷，构建标准化、多样化的权威评测集，用于评估大模型的性能； 与跨职能团队合作，确保评测集覆盖全面且具有代表性。 4、语料质量评估与合成： 建立大模型训练的数据驱动体系，开发语料质量评估算法，识别低质量或噪声数据。 研究数据驱动的语料合成技术，基于模型的评测效果，针对性合成能够改进模型效果的训练语料，提升模型迭代效率 5、智能标注链路研发: 基于大模型数据的标注需求，研发辅助打标算法； 设计构建 AI辅助的标注质量检验与标注提效的算法链路，提升人工标注的质检效率与标注质量 6、技术创新与优化： 持续跟踪学术界和工业界的最新研究成果，探索前沿技术在大模型数据中的应用。 针对实际业务需求，提出创新性的解决方案并快速落地。
1. 探索移动终端场景下及企业级效能产品下的Agent 应用工程技术，创新研发实现Agent 相关主流思维框架； 2. 开发大模型相关的数据知识图谱应用、CodeWiki、MCP等与大模型进行有效交互的数据模块，特别是在有利于大模型进行有效经验吸收的知识； 3. 开展对通用Agent、个性化Agent的开发应用及能力评估，不断增强领域Agent的能力，解决移动终端编码辅助场景下的研发效率问题，提升淘宝终端需求交付效率； 4. 协同业务、产品团队，实现从需求分析到技术方案设计落地等关键环节，实现Agent能力与业务场景的深度融合； 5. 持续关注AI领域最新进展，研究Agent领域的前沿技术（如ReAct、COT、A2A等多智能体协作和交互模式），并推动工程场景落地与性能优化。
1. 非结构化/多模态数据处理（长文本、短文本、图片、音视频等），结合知识图谱进行实体抽取、归一，属性挖掘，提供在线工程服务。 2. 挖掘用户长/短周期画像，实现多源数据融合，大文本以及多模态表征数据构建以及应用。 3. 结合前沿技术和业务场景，探索创新算法能力。