职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:100025800004

飞猪-大模型算法工程师/专家-智能客服

未披露 · 杭州 · 飞猪

主分类:Agent系统开发
软件开发与 IT
辅助:大模型与生成式算法研发(仅展示)
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "飞猪-大模型算法工程师/专家-智能客服",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "飞猪",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "算法研发"AI生成
    },
    "company": {
        "company_name": "飞猪",
        "company_industry": "在线旅游",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "飞猪提供目的地、酒店、景点及旅游服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责智能客服和智能外呼场景下的Agent系统设计与开发,重点优化意图识别、知识问答、SOP流程遵循等核心能力,构建具备任务规划、工具调用、多轮对话能力的对话式Agent;\n2. 参与大模型的训练与微调工作,包括SFT、PPO、DPO、GRPO/GSPO等对齐训练,针对客服垂直领域进行模型能力优化;\n3. 设计并实现Agent Harness体系,尤其是Agent + Skills的相关落地,包括Skill编写、工具调用、上下文工程、记忆管理等核心模块,实现在各个场景落地,并取得效果。\n4. 构建Agent和Skill评估框架,设计评测指标(指令遵从、任务完成率、话术质量、安全合规等),驱动Agent和Skill能力的持续迭代;\n5. 跟踪Agent与大模型领域的前沿技术进展,推动技术创新并在业务场景中验证落地效果。",
        "requirements_text": "1. 硕士及以上学历,计算机科学与技术、人工智能、数学等相关专业优先;\n2. 具有大模型相关算法研发经验,具备扎实的NLP领域算法基础知识,熟练掌握SFT/DPO/PPO/GRPO等训练算法并有实际项目成果;\n3. 熟悉Agent开发范式,熟悉ReAct、Plan-and-Execute、Reflection等主流Agent范式,并有相关实际项目落地;\n4. 具备扎实的工程实现能力,能够独立完成从算法设计到模型部署的全流程工作,熟练使用常见的训练框架(如LlamaFactory、ms-swift、ROLL等)和推理框架(如vLLM、SGLang);\n5. 具备良好的问题分析与解决能力,对技术创新有热情,能够主动探索前沿方法并推动落地。",
        "skills": [AI生成
            "Swift",
            "React",
            "算法设计",
            "大语言模型"
        ],
        "preferred_qualifications": "1. 硕士及以上学历,计算机科学与技术、人工智能、数学等相关专业优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://career.fliggy.com/off-campus/position-detail?positionId=100025800004"
            }
        ]
    },
    "posting": {
        "posting_id": "100025800004",
        "post_date": "2026-09-16",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://career.fliggy.com/off-campus/position-detail?positionId=100025800004"
    },
    "fulltext": "飞猪-大模型算法工程师/专家-智能客服\n飞猪-大模型算法工程师/专家-智能客服\n\n基础信息\n工作地点:杭州\n\n职位描述\n1. 负责智能客服和智能外呼场景下的Agent系统设计与开发,重点优化意图识别、知识问答、SOP流程遵循等核心能力,构建具备任务规划、工具调用、多轮对话能力的对话式Agent;\n2. 参与大模型的训练与微调工作,包括SFT、PPO、DPO、GRPO/GSPO等对齐训练,针对客服垂直领域进行模型能力优化;\n3. 设计并实现Agent Harness体系,尤其是Agent + Skills的相关落地,包括Skill编写、工具调用、上下文工程、记忆管理等核心模块,实现在各个场景落地,并取得效果。\n4. 构建Agent和Skill评估框架,设计评测指标(指令遵从、任务完成率、话术质量、安全合规等),驱动Agent和Skill能力的持续迭代;\n5. 跟踪Agent与大模型领域的前沿技术进展,推动技术创新并在业务场景中验证落地效果。\n\n职位要求\n1. 硕士及以上学历,计算机科学与技术、人工智能、数学等相关专业优先;\n2. 具有大模型相关算法研发经验,具备扎实的NLP领域算法基础知识,熟练掌握SFT/DPO/PPO/GRPO等训练算法并有实际项目成果;\n3. 熟悉Agent开发范式,熟悉ReAct、Plan-and-Execute、Reflection等主流Agent范式,并有相关实际项目落地;\n4. 具备扎实的工程实现能力,能够独立完成从算法设计到模型部署的全流程工作,熟练使用常见的训练框架(如LlamaFactory、ms-swift、ROLL等)和推理框架(如vLLM、SGLang);\n5. 具备良好的问题分析与解决能力,对技术创新有热情,能够主动探索前沿方法并推动落地。\n1. 负责智能客服和智能外呼场景下的Agent系统设计与开发,重点优化意图识别、知识问答、SOP流程遵循等核心能力,构建具备任务规划、工具调用、多轮对话能力的对话式Agent;\n2. 参与大模型的训练与微调工作,包括SFT、PPO、DPO、GRPO/GSPO等对齐训练,针对客服垂直领域进行模型能力优化;\n3. 设计并实现Agent Harness体系,尤其是Agent + Skills的相关落地,包括Skill编写、工具调用、上下文工程、记忆管理等核心模块,实现在各个场景落地,并取得效果。\n4. 构建Agent和Skill评估框架,设计评测指标(指令遵从、任务完成率、话术质量、安全合规等),驱动Agent和Skill能力的持续迭代;\n5. 跟踪Agent与大模型领域的前沿技术进展,推动技术创新并在业务场景中验证落地效果。\n1. 硕士及以上学历,计算机科学与技术、人工智能、数学等相关专业优先;\n2. 具有大模型相关算法研发经验,具备扎实的NLP领域算法基础知识,熟练掌握SFT/DPO/PPO/GRPO等训练算法并有实际项目成果;\n3. 熟悉Agent开发范式,熟悉ReAct、Plan-and-Execute、Reflection等主流Agent范式,并有相关实际项目落地;\n4. 具备扎实的工程实现能力,能够独立完成从算法设计到模型部署的全流程工作,熟练使用常见的训练框架(如LlamaFactory、ms-swift、ROLL等)和推理框架(如vLLM、SGLang);\n5. 具备良好的问题分析与解决能力,对技术创新有热情,能够主动探索前沿方法并推动落地。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T010"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}