【大模型算法方向】主导大模型的算法研究、训练调优及工程化落地，提升模型性能和效率
主导大模型压缩、分布式训练、推理加速等技术落地（如量化、MoE、FlashAttention等）
结合业务场景（如对话系统、内容生成、知识推理）设计模型优化方案，解决数据稀疏性、幻觉抑制等挑战
跟踪学术界与工业界最新进展，推动技术成果转化
主导技术方案输出，协同工程团队实现高性能服务部署
【搜推算法方向】负责从0到1搭建搜索/推荐排序项目及后续持续迭代优化，进行线下和线上实验评估，并对于算法策略进行持续优化
深入理解包括搜索、推荐等流量分发场景的业务模式，通过数据分析和挖掘，构建产品侧和用户侧等特征，驱动搜索排序算法迭代
在电商场景有人货场匹配的应用经验，针对AB实验进行效果分析和归因分析，并不断从业务角度、数据角度推进搜索排序模型优化
主动诊断及发现业务问题，科学的方法和分析输出业务策略，同时能基于复杂的业务问题进行数据挖掘和模型探索，沉淀业务分析思路，产出对业务和产品有价值的方案和建议
【定价算法方向】负责携程接送机定价算法，综合运用机器学习（因果推断、时序预测、转化率预估）、运筹优化、强化学习等前沿算法和技术，设计最核心的定价补贴策略，以此驱动司机乘动态定价
利用因果推断、运筹规划、机器学习等技术，提升供需预测、补贴定价等运营核心算法效果，实现毛利和GMV增长
深入理解业务场景模式，利用机器学习、运筹规划、强化学习、因果推断等技术，持续优化定价算法
搭建定价算法模型，确保算法的效率和准确性，深入和持续跟进模型方案的设计以及落地，确保业务目标达成
【NLP算法方向】为搜索、文本生成、知识图谱等功能设计和实现自然语言处理算法
对业务的反馈进行建模，快速定位问题与收集数据，设计和实现解决方案，并评估效果的好坏
结合数据和业务目标进行分析、总结，为业务的推进提供数据或技术支撑
部分自然语言处理算法的预研工作
【CV算法方向】工作内容包括但不限于视觉和多模态分类/多标签、目标检测、质量评估、图生视频、OCR等
参与研究、构建和优化携程视觉/多模态理解和生成大模型
支持垂域大规模训练数据集的构建，推动模型的持续升级和优化迭代
负责模型的性能优化和模型服务在业务场景上线落地等