智能互联高德-大模型/Agent 算法专家-视觉技术中心
任职要求
1. 深入理解 LLM/VLM 模型，熟悉主流 LLM/VLM 的模型结构和训练方法； 2. 熟悉大模型后训练技术，包括但不限于 SFT，RL 等技术，具备Qwen、Llama、Deepseek等模型的二次开发经验者优先； 3.…
工作职责
团队介绍： 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。团队不仅在计算机视觉领域持续深耕，更将计算机视觉及AI技术在自主导航、高德打车、生活服务等多元化应用场景。 作为高德地图的核心技术驱动部门，我们以下一代三维地图引擎、多模态理解与生成、空间智能、世界模型等方向为核心，推动智能出行与真实世界连接的深度融合。 团队gihub主页： https://github.com/amap-cvlab 为何加入我们？ 1. 挑战业界顶尖难题： 处理百亿级位置数据，攻克动态世界中海量POI的实时、精准感知与理解，定义未来地图的“AI之眼”。 2. 驱动国民级应用创新： 你的技术将直接应用于高德地图数亿用户依赖的扫街榜等核心功能，实现从技术突破到产品颠覆的全流程落地。 3. 置身前沿技术浪潮： 在三维地图、世界模型、具身智能等前沿领域进行深度探索与研发。 4. 预研与业务深度结合：在这里，你将同时接触到面向未来的技术预研和支撑亿级用户的业务算法。我们提供从0到1的创新探索环境，也看重从1到N的规模化落地能力。 职位描述： 1.主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的应用架构设计、数据构建、模型训练与评测； 2. 运用SFT、RL等Post-training训练方法，探索多模态与RL的结合，提升大模型/多模态大模型在自主规划（Planning）、多步推理、多模态RAG、工具调用、复杂指令理解等方面的能力； 3.跟踪LLM、VLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用。
团队介绍： 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，在顶尖会议（如 NeurIPS、ICLR、ICML、KDD 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。 围绕出行 Agent 等高德的核心业务场景，通过大模型提升业务效果并落地，不限于 VLM 的 SFT / RL / on-policy distillation，以及 Agent 的 tool 与 skill 调用、复杂任务编排、agentic reasoning 等方向。
团队简介： 我们是高德行中智能团队，我们的使命是基于高德海量高质的数据，最前沿的AI算法，最可靠的通用工程架构，打造有温度、有惊喜、科技感十足的下一代出行体验； 在这里，我们一起建设应对超大业务规模和场景，超高业务复杂度的高效、可靠、鲁棒的技术架构；一起用最前沿的机器学习、深度学习、AI算法探索智慧出行最具挑战性的行业难题；一起用最尖端的AIGC、LLM/LVM、多模态理解与生成技术；基于语音、视觉、位置等多模态信息搭建高吞吐、低时延、强智能、真人感的Agent体系，打造全新人和环境交互形态； 职位描述 探索下一代多模态出行体验 基于全双工多模态agent，构建人和环境的全新交互形态
团队介绍 高德交通智能部 —— 我们是高德地图的硬核极客天团。过去四年，我们持续解锁交通科技树： 2022年 红绿灯倒计时黑科技 2023年 鹰眼预警 2024年 AI领航 2025年 交通大模型TrafficVLM全面落地 在这里，技术不止于代码，更在于重塑千万用户的出行体验。我们正在寻找对AI前沿充满热情、敢于用大模型重构算法范式的同路人。 岗位职责： 大模型后训练优化：负责大模型的全链路后训练（SFT、偏好对齐、强化学习等），提升模型在复杂交通场景与通用推理任务中的理解力、规划力与泛化能力。 智能体（Agent）架构与落地：设计并实现基于大模型的智能体系统，涵盖任务分解、工具调用（Function Calling）、记忆管理与多智能体协同，驱动交通业务自动化决策与执行。 大模型辅助算法研发：探索LLM在时空序列建模、交通预测与推理等算法研发全流程中的赋能路径，通过Prompt工程、基线代码/实验脚本生成、自动化实验追踪、数据构造辅助等手段，加速算法探索、迭代与验证，构建AI-native的算法研发范式。 评估体系与持续迭代：建立面向大模型与Agent的专项评估指标与自动化测试平台，结合线上业务反馈进行持续优化，保障技术落地效果与稳定性。
1. 构建后训练专用高性能架构，支持从SFT到RLHF/Agentic RL的全流程调优，为RM模型训练、PPO等复杂算法提供千卡级别的超大规模分布式训练支持，攻克特定阶段的性能瓶颈。 2. 打造极致推理与服务引擎，优化针对RLHF/Agentic RL流程中多个模型的交互式推理链路，通过编译优化、动态批处理、量化等技术，实现高吞吐、低延迟的模型服务，确保用户体验的流畅性。 3. 释放异构硬件最大潜能，深入CPU/GPU/NPU等底层硬件，通过CUDA内核定制、通信库优化（如RDMA）及MLIR/TRITON等编译技术，旨在将硬件性能压榨到极致，以应对高德海量用户与场景的挑战。