阿里巴巴
高德-算法专家（内容理解方向）-LLM内容理解-信息业务中心
高德-算法专家（内容理解方向）-LLM内容理解-信息业务中心
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Agent开发
Pytorch
Rag
Sft
多模态学习
大语言模型 (Llm)
知识图谱
自然语言处理 (Nlp)
值不值得投
77综合评分
综合评分 77
阿里核心LLM算法专家岗，技术前沿、薪资优厚，但工作强度可能较高
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
11.5万
比AI算法中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 4960 个在招 · 其中AI算法 70 个
市场机会
选择面较广
北京 · AI算法 · 约 210 个在招
职位详情
关于这个职位
负责高德地图内容理解能力建设，基于大语言模型和多模态模型对POI、图片等内容进行语义理解和知识挖掘
推进大模型在地图业务中的训练微调与应用，探索Agent能力并推动研究成果转化为实际产品价值
最低要求
计算机科学、人工智能、机器学习、自然语言处理或相关专业硕士及以上学历
具有3年以上自然语言处理、内容理解、多模态学习或大模型应用相关经验，具备复杂业务问题的分析和落地能力
熟悉大语言模型核心技术，包括Transformer、Prompt Engineering、SFT、RAG、模型评测等
具有Agent或多Agent系统建设经验者优先
熟悉文本、图像及多模态内容理解方法，在信息抽取、文本分类、语义匹配、内容生成、知识挖掘或图文理解等方向具备实践经验
熟练使用Python以及PyTorch等深度学习框架，具备大规模数据处理、模型训练、推理优化和线上服务经验
具备优秀的问题分析、跨团队协作和沟通能力，能够从用户与业务价值出发推动项目落地
工作职责
负责高德地图内容理解能力建设，基于大语言模型和多模态模型，对POI、地点、商户、图片、评价、榜单等内容进行语义理解、信息抽取、分类打标、质量判断与知识挖掘
建设面向内容生产与治理的Agent能力，探索任务规划、工具调用、多Agent协作、自反思和自动评测等技术，打通数据发现、内容理解、问题识别、结果验证与持续迭代链路
推进大模型在地图业务中的训练、微调和应用，包括Prompt优化、SFT、偏好优化、RAG、知识增强、模型蒸馏及大小模型协同，提升复杂场景下的理解与推理能力
跟踪大模型、多模态理解及Agent领域的前沿进展，将新技术与地图业务问题结合，推动研究成果转化为实际产品和业务价值
与产品、数据、搜索、推荐及工程团队紧密协作，深入理解用户需求和业务目标，推动内容理解能力在多个业务场景中规模化应用
优先资格
● 有POI、地图搜索、本地生活、推荐系统或知识图谱相关经验
● 有Agent工作流、自动评测、AutoResearch或数据闭环建设经验
● 有大规模LLM训练、推理加速、模型压缩或成本优化经验
● 在NLP、多模态、大模型或Agent方向发表过高质量论文，或有开源项目及行业落地成果
● 具备良好的英文论文阅读和技术交流能力
AI 洞察
优缺点分析
优点
- 团队聚焦LLM与Agent前沿方向，技术栈极具竞争力
- 平台资源雄厚，有利于产出高水平论文或行业影响力成果
- 地图业务场景复杂，数据噪声与长尾问题多，落地难度大
- 大厂内部协作链条长，沟通成本高
- 拥有扎实NLP/多模态理论基础，且具备丰富工业界落地经验的资深算法工程师
- 追求技术深度与业务影响力平衡的人才
缺点 / 挑战
- 接触阿里核心地图业务的海量真实数据与技术挑战
- 作为专家岗，需独立承担从研究到落地的全链路责任，压力较大
角色解读
- 向首席科学家或技术专家方向发展，主导公司级AI战略落地
- 也可转向AI产品经理或技术管理岗，统筹算法团队与业务融合
- 利用LLM和多模态技术解决地图POI、商户等内容的语义理解与信息抽取问题
- 构建Agent系统以自动化内容生产与治理流程
- 优化大模型在垂直业务场景中的训练、微调及应用效果
- 精通Transformer架构、Prompt Engineering、SFT、RAG等大模型核心技术
- 熟练掌握Python、PyTorch及大规模数据处理与模型部署
- 具备多模态理解、知识图谱或Agent系统建设经验
申请策略
- 准备详细的项目复盘，重点阐述如何解决复杂业务痛点及技术选型依据
- 关注高德在本地生活领域的最新战略动向，体现业务敏感度
- 突出LLM微调（SFT/DPO）、RAG架构设计及Agent系统搭建的具体项目案例
- 强调在大规模数据处理、模型推理优化及线上服务稳定性方面的实战经验
- 展示在顶级会议发表论文或高星开源项目的成果
- 深入理解多模态大模型的最新进展（如Vision-Language Models）
- 强化Agent工作流设计、工具调用及自我反思机制的工程实现能力
- 提升对地图领域知识图谱构建与POI数据治理的理解
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化回答
- 重点量化技术改进带来的业务指标提升（如准确率、召回率、延迟降低等）
- 展现对技术原理的深刻理解及工程落地的权衡思考
- 请详细介绍你过往项目中LLM微调或RAG系统的架构设计与难点突破
- 如何评估和优化Agent在多步任务规划中的可靠性与准确性？
- 面对地图POI数据的高噪声和长尾分布，你有哪些数据清洗或模型鲁棒性提升策略？
- 如何在保证效果的前提下，进行大模型的蒸馏与推理加速以降低成本？
- 复习Transformer底层原理及主流LLM微调技术细节
职位点评
薪资福利85
成长发展92
工作生活45
使命价值75
薪资福利
85较高
阿里核心部门专家岗，薪资包（现金+股票）在市场极具竞争力，福利体系完善，满足度高。
薪资信号未披露（AI估算：8.0千–15.0万/月）
成长发展
92较高
岗位聚焦LLM、Agent等最前沿技术领域，提供极高的技术成长空间和行业影响力机会。
技术前沿前沿/新兴技术
技术栈LLM、Agent、多模态、RAG、SFT、Transformer
业务类型profit_center
工作生活
45较低
大厂核心研发岗通常伴随较高工作强度，JD未提及弹性或远程，推测为高强度现场办公。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
通过提升地图内容理解能力，改善用户出行体验和本地生活服务效率，具有明确的业务价值和社会实用性。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs