智能互联高德-搜推系统性能优化工程师-AI agent

● 负责搜推业务全链路性能优化，从特征获取到模型推理的端到端延迟优化 ● 设计和优化特征处理pipeline，包括特征并行计算、批处理、缓存策略等 ● 分析和优化系统瓶颈，包括网络IO、存储访问、CPU/GPU利用率等关键

1、负责搜推业务和内容榜单评测工作的规划与设计，结合业务的发展，给出评测方向和节奏；构建评测机制，能根据产品特点制定评测标准和方案，对评测结果的质量和效率负责； 2、搭建评测体系，从样本选取到数据获取到最终结果产出，整体链路保障每个环节都是可信、科学、合理；站在用户角度帮助业务发现痛点问题，准确高效产出评测结论，并提升自动化评测的规模； 3、对评测平台进行功能完善，整理需求文档，并协同研发跟进需求落地，确保功能可用；持续优化平台能力，使得评测工作内容更高效； 4、搭建数据监控及数据分析评价体系，从用户使用路径角度出发，对业务的客观指标进行分析，发现指标背后的原因，对于复杂问题进行分析定位，发掘业务可做功点，并驱动产研系统性解决问题；建立竞品监控机制，通过竞品对比快速批量发现问题；提高发现问题的效率，驱动业务结果正向。 5、外包人员管理工作，保障外包人员的工作质量和工作产出；

岗位承接集团 AI 人才战略，依托高德地图亿级用户场景，致力于重构下一代 LBS 搜索推荐架构。你将作为核心骨干，参与"AI Native 生成式搜推架构与空间复杂排序决策”前沿课题，探索大模型在地理位置服务（LBS）领域的深度应用。 1.架构创新：负责基于大语言模型（LLM）的生成式召回（Generative Retrieval）系统研发，突破传统倒排索引限制，实现从“语义理解”到"POI 生成”的范式升级； 2.模型攻坚：主导融合地理空间知识的 LLM 微调与推理技术研究，解决大模型在 LBS 场景下的空间幻觉与位置感知难题； 3.排序决策：构建多目标博弈下的复杂排序模型，利用强化学习与大模型推理能力，平衡导航耗时、服务质量、商业价值与用户满意度； 4.工程落地：负责高并发场景下的端云协同推理加速，通过模型蒸馏、量化等技术，确保生成式算法在毫秒级延迟要求下的稳定落地； 5.技术引领：跟踪全球 AI 前沿技术，在顶级会议发表成果，沉淀方法论，并参与团队内部技术建设与人才培养。

1、建团队，负责电销团队的搭建，梯队能力成长，提升前线团队的凝聚力与战斗力，打造良好氛围； 2、业务目标策略，结合团队目标进行拆解，并制定有效策略推动落地，确保业务指标达成； 3、过程管理，负责电销团队作业流程和日常管理，带领团队快速拿到结果，为目标负责； 4、资源协同，与协同团队建立有效链接，及时协调内部资源与政策，给团队提供及时有效的支持；