基于高德LBS大模型的搜推算法研究与应用-阿里星-阿里巴巴2027届实习生

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.学历背景：计算机、人工智能、数学等相关专业，硕士及以上学历，博士优先； 2.专业基础：具备扎实的深度学习理论基础，熟练掌握 PyTorch/TensorFlow 等主流框架，对 Transformer、LLM 架构有深刻理解； 3.项目经验：在搜索、推荐、广告或 NLP 领域有实际项目经验，熟悉召回、排序、重排全链路算法者优先； 4.大模型能力：有 LLM 预训练、SFT、RLHF 或 RAG 相关实战经验，熟悉 Prompt Engineering 及大模型优化技术； 5.编程能力：具备优秀的代码实现能力（Python/C++），熟悉 Linux 开发环境，有良好的工程规范； 6.综合素质：对技术充满热情，具备极强的问题解决能力、逻辑思维能力及沟通协作能力，勇于挑战前沿难题。 【加分项】： 1.学术成果：在 KDD、SIGIR、WWW、NeurIPS、ICML 等顶级国际会议发表过高质量论文者； 2.开源贡献：在 GitHub 上有高星开源项目贡献，或在大模型社区有显著影响力者； 3.LBS 经验：熟悉地理空间数据（GeoHash、路网、POI 关系），有地图、导航、本地生活服务相关算法经验者优先； 4.竞赛获奖：在 ACM、Kaggle 或行业权威算法竞赛中获得 Top 名次。