高德地图
高德-大模型与智能体算法工程师-交通智能
高德-大模型与智能体算法工程师-交通智能
发布于 3 天前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Llm
Prompt工程
Sft
交通预测
多智能体协同
大模型
强化学习
智能体
时空序列建模
AI 估算 · 30k–60k
北京高德核心算法岗，大模型方向人才稀缺，薪资竞争力强，年终奖丰厚。
职位详情
关于这个职位
作为高德地图交通智能部的算法工程师，你将专注于大模型的后训练优化（SFT、强化学习等）、智能体架构设计与落地，并探索LLM在交通场景中的赋能应用
该职位深度参与从模型训练到业务落地的全链路，适合对AI前沿技术有热情、渴望用大模型重塑出行体验的候选人
最低要求
计算机、人工智能、数学或相关专业硕士及以上学历，3年以上大模型/NLP/智能体算法研发经验（优秀应届博士/硕士可放宽）
精通大模型后训练技术栈，有完整SFT→RL优化落地经验者优先
深入理解Agent核心技术，掌握任务规划、工具使用、记忆机制或多智能体协作框架，有自研或深度定制Agent系统经验
具备将大模型深度融入算法研发工作流的实战经验，尤其在时空序列建模、交通预测等场景中，熟悉Prompt设计、基线代码/实验脚本生成、自动化实验追踪、数据构造辅助等AI辅助算法研发工具链与最佳实践
扎实的机器学习与深度学习理论基础，优秀的Python编程能力与系统架构思维
强自驱力、快速学习与跨团队协作能力
工作职责
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
优先资格
在顶会发表论文，或Kaggle/天池/ACM等顶级竞赛获奖者，或高质量开源项目核心贡献者，优先录用
AI 洞察
优缺点分析
优点
- 身处AI大模型最前沿，技术栈先进，个人成长空间大
- 高德地图作为国民级产品，业务场景丰富，成果影响力广
- 阿里集团平台资源丰富，薪资福利优厚，发展通道清晰
- 大模型领域竞争激烈，技术迭代快，需要持续学习和跟进
- 跨团队协作要求高，需要与产品、工程等团队紧密配合
- 适合对AI前沿技术充满热情、具备较强自驱力和学习能力、渴望在技术深度上持续突破的算法工程师
缺点 / 挑战
- 工作强度可能较大，尤其是在项目关键期，需要承受一定压力
角色解读
- 可以成长为技术专家，深耕大模型与智能体方向，主导核心算法研发
- 有机会转向技术管理，带领团队解决复杂问题，推动技术落地
- 也可横向拓展至AI产品、解决方案等方向，成为复合型人才
- 负责大模型的后训练优化，包括SFT、偏好对齐和强化学习，提升模型在交通场景的推理能力
- 设计和实现基于大模型的智能体系统，涵盖任务分解、工具调用和多智能体协同，驱动业务自动化决策
- 探索LLM在时空序列建模和交通预测中的赋能路径，通过Prompt工程、自动化实验等加速算法迭代
- 建立评估体系和自动化测试平台，结合线上反馈持续优化模型效果
- 精通大模型后训练技术栈，有SFT到RL的落地经验
- 深入理解Agent架构，掌握任务规划、工具使用、记忆机制等核心能力
- 扎实的机器学习与深度学习基础，优秀的Python编程和系统架构思维
- 具备将大模型融入算法研发工作流的实战经验，熟悉Prompt设计、自动化实验等工具链
申请策略
- 深入了解高德交通智能部的业务方向，准备针对性的技术方案
- 展示对出行行业和AI结合的热情，可结合个人项目经历
- 突出大模型后训练（SFT/RL）或智能体系统的实际项目经验，展示技术深度
- 强调在顶会论文、竞赛获奖或开源项目中的贡献，证明研究能力
- 列举在交通、时空序列等领域的落地案例，体现业务理解
- 补强强化学习和偏好对齐方面的理论知识，如PPO、DPO等
- 实践Agent框架，如LangChain、AutoGPT，熟悉工具调用和多智能体设计
面试指南
- 采用STAR法（情境-任务-行动-结果）描述项目经验，突出个人贡献和量化成果
- 对于设计类问题，先拆解需求，提出方案框架，再深入细节，体现系统思维
- 对于挑战类问题，诚实说明困难，重点讲述如何解决和学到什么
- 请详细描述你在大模型后训练（SFT到RL）中的具体工作和效果
- 如何设计一个基于大模型的智能体系统？请举例说明任务分解和工具调用
- 在交通场景中，如何利用LLM进行时空序列建模？遇到过哪些挑战？
- 如何评估大模型和智能体的表现？请设计一套评估指标
- 你对Prompt工程和自动化实验追踪有什么实践经验？
职位点评
79
综合评分
顶尖大厂核心算法岗，前沿大模型技术栈，薪资优厚但工作强度较大。
更适合这类人
最适合追求技术成长、渴望在AI前沿领域深耕的算法工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活60
使命价值85
薪资福利
80较高
薪资处于行业偏高水平，阿里集团福利完善，但JD未明确具体薪资和福利细节。
薪资信号偏高 (30K-60K/月)
成长发展
90较高
大模型和智能体是前沿技术，岗位涉及全链路研发，极有利于技术深度积累和职业发展。
技术前沿前沿/新兴技术
技术栈大模型、SFT、强化学习、智能体、Agent、Function Calling、LLM、Prompt工程、时空序列
业务类型profit_center
工作生活
60中等
北京现场办公，未提及弹性或远程，大厂算法岗通常有一定加班，生活平衡一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
岗位致力于改善数亿用户的出行体验，社会影响积极，且处于AI高速增长赛道。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs