JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "资深算法工程师",
"job_level": "",AI生成
"work_category": "",AI生成
"department": "",
"location": "北京",
"work_mode": "",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "京东集团",
"company_industry": "电子商务",
"company_size": "10000人以上",
"company_website": "",
"company_description": ""
},
"compensation": {
"salary_range": {
"min": 35000,
"max": 65000,
"currency": "CNY",
"cycle": "month"
},
"benefits": ""
},
"requirements": {
"working_years": 5,
"degree": "本科",
"language": "",AI生成
"visa_support": "",
"responsibilities": "",
"requirements_text": "C/C++\n机器学习\n规控算法\n深度学习\n大模型算法\n多模态算法\n强化学习\n其他\n融合感知算法\nSLAM算法\n推荐算法\nPython\nPs：打招呼是看了资料有合适岗位，急招岗位流程更快～\n在招岗位，北上广深岗位，欢迎投递～\n新增视觉、地图算法岗位，欢迎投递\n一、多模态算法工程师\n1、负责多模态大模型的训练工作，包括架构设计，增量预训练、post-training、rhlf等\n2、跟踪多模态大模型领域的最新行业动态和技术发展，进行实验和调研，并将最新技术应用于物流供应链的各个环节，输出专利以及发表论文\n二、运筹优化/机器学习算法工程师\n1. 负责将机器学习与运筹优化相结合，在末端揽派场景进行精细化运营相关工作\n2. 负责物流末端揽派场景规划相关算法，包括网点选择、配送范围规划、供需资源投入等\n3. 负责物流末端揽派场景调度相关算法，包括快递员任务调度分配、作业模式设计等\n三、搜推算法工程师/专家\n1. 负责京东首页等核心场景下的自然商品推荐分发工作，提升用户体验和多种业务效率指标（点击率、转化率、时长等）；\n2. 负责大规模电商场景下多队列、多目标、排序策略、多样性等核心模块优化，对用户行为和意图进行全方位分析和建模，提升核心业务指标；\n3. 结合业务需求，探索用户成长路径，寻找中间过程指标，提升推荐场用户留存；\n四、具身算法\n1. 研究适用于机器人控制的强化学习算法体系，覆盖离线RL、在线RL及多任务RL，支撑复杂操作策略生成；\n2. 构建端到端的强化学习训练系统，整合仿真与真机环境，实现策略高效优化与迁移；\n3. 探索强化学习与模仿学习、VLA模型及人类反馈的融合机制，提升智能体在真实任务中的泛化与决策能力；\n五、算法开发\n1. 搭建并落地「采集 - 训练 - 评测反馈 - 定向补采」的具身数据迭代飞轮。统一规范人类操作 Ego 数据、机器人遥操作数据、DAgger 纠错数据的处理管线，攻克数据清洗、对齐、动作空间映射、质量筛选与自动化质检等工程难题，构建高保真、高多样性的数据生产标准。持续扩大真实操作数据规模与质量，目标实现百万级小时量级的具身数据规模化积累，为模型泛化能力提供坚实数据底座。\n2. 聚焦具身操作基础模型核心能力迭代，持续优化模型预训练、强化学习后训练全流程。重点创新跨本体多源异构数据的动作对齐方法（尤其针对人类操作Ego数据与机器人数据之间的动作映射）、跨模态语义联合建模策略，以及基于环境反馈的RL后训练高效微调机制。通过模型结构、训练策略与对齐算法的协同创新，推动自研基座模型在通用操作能力上持续领跑国际权威评测体系。\n六、3D算法\n1.主导视频到 3D 空间重建、3D 生成基础模型架构研发、训练优化，解决几何重建、多视图一致性、动态三维生成等核心问题。\n2.开展前沿技术预研，带领 / 指导团队成员攻关，输出顶会论文、技术专利，搭建自研 3D 生成技术链路。\n3.将视频 3D 重建技术落地至数字孪生、游戏资产、具身智能、自动驾驶仿真等产业场景。\n七、地图算法\n1.负责轻地图里程计及相对定位研发;\n2.负责基于Learning的轻图全局定位的算法研发;\n3.基于视觉、激光雷达等多传感器融合的SLAM实时/离线地图构建的算法研发;\n4.负责离线和在线的多传感器（IMU、Odom、GPS、LiDAR、Camera）融合定位算法研发;\n5.负责车端速度融合模块的算法研发;\n6.多传感器的工厂、售后、在线标定研发.\n八、大模型应用算法\n1. 跨境场景NLP技术落地与业务赋能：聚焦Joybuy跨境电商核心场景，负责llm技术的实战落地与效果闭环，深度结合内容理解能力解决业务痛点，涵盖多语言文本理解、商品标题/详情页智能优化、跨语言搜索与推荐增强、机器翻译等，推动技术转化为实际业务增长；\n2. 智能交互体系构建与优化：搭建并迭代面向全球用户的多语言智能交互产品（智能客服、自然语言查询解析、意图识别等），依托Prompt Engineering能力提升交互精准度，优化用户咨询响应效率与问题解决率，强化用户体验与业务转化；\n九、空间智能算法\n1. 参与VSLAM算法开发与优化，包括特征匹配、视觉里程计、后端优化及闭环检测等模块；\n2. 结合深度学习技术，探索动态场景处理、语义SLAM或端到端三维重建的前沿方向；\n十、运筹优化/机器学习算法\n1. 负责将机器学习与运筹优化相结合，在末端揽派场景进行精细化运营相关工作\n2. 负责物流末端揽派场景规划相关算法，包括网点选择、配送范围规划、供需资源投入等\n十一、机器人多模态感知与运控算法\n1、视觉感知驱动的运动控制架构设计：主导设计视觉-运动闭环系统架构，明确视觉感知模块与强化学习策略接口、数据流与时序要求。研究并确定视觉信息的最佳表征形式（如原始图像、深度图、点云、语义分割图、神经辐射场NeRF特征或视觉里程计）作为强化学习策略输入。\n2、视觉感知算法研发与集成：开发或集成适用于机器人运动控制的轻量化、实时视觉感知算法。关键技术方向包括但不限于：地形与可通行性分析： 基于单目/立体视觉或RGBD，实时进行地形分类、坡度估计、障碍物检测与可通行区域分割。视觉状态估计： 开发或优化基于视觉的机器人本体状态估计，为运动控制提供高精度的位姿与速度反馈。视觉特征提取： 利用CNN、Vision Transformer等模型，从视觉输入中提取对运动决策至关重要的鲁棒特征。\n十二、推理引擎工程师（大模型/CTR/端）\n1.负责大模型、CTR模型及端侧模型的推理性能优化与部署，根据业务场景（如LLM多模态生成、推荐/搜索/广告、移动端/嵌入式设备）定制高性能推理解决方案；\n2.针对大模型推理场景，优化推理引擎性能，支持文生图、文生视频等多模态任务的低延迟、高吞吐部署；",
"skills": [AI生成
"C/C++",
"Python",
"机器学习",
"深度学习",
"大模型",
"多模态",
"强化学习",
"模仿学习"
],
"preferred_qualifications": "",
"job_highlights": ""
},
"contact": {
"recruiter_name": "",
"contact_methods": [
{
"type": "apply_link",
"value": "https://www.zhipin.com/job_detail/52e2181e545b10101Hx82ti-EltU.html"
}
]
},
"posting": {
"posting_id": "52e2181e545b10101Hx82ti-EltU",
"post_date": "",
"hire_time": "",
"update_date": "",
"job_url": "https://www.zhipin.com/job_detail/52e2181e545b10101Hx82ti-EltU.html"
},
"fulltext": "C/C++\n机器学习\n规控算法\n深度学习\n大模型算法\n多模态算法\n强化学习\n其他\n融合感知算法\nSLAM算法\n推荐算法\nPython\nPs：打招呼是看了资料有合适岗位，急招岗位流程更快～\n在招岗位，北上广深岗位，欢迎投递～\n新增视觉、地图算法岗位，欢迎投递\n一、多模态算法工程师\n1、负责多模态大模型的训练工作，包括架构设计，增量预训练、post-training、rhlf等\n2、跟踪多模态大模型领域的最新行业动态和技术发展，进行实验和调研，并将最新技术应用于物流供应链的各个环节，输出专利以及发表论文\n二、运筹优化/机器学习算法工程师\n1. 负责将机器学习与运筹优化相结合，在末端揽派场景进行精细化运营相关工作\n2. 负责物流末端揽派场景规划相关算法，包括网点选择、配送范围规划、供需资源投入等\n3. 负责物流末端揽派场景调度相关算法，包括快递员任务调度分配、作业模式设计等\n三、搜推算法工程师/专家\n1. 负责京东首页等核心场景下的自然商品推荐分发工作，提升用户体验和多种业务效率指标（点击率、转化率、时长等）；\n2. 负责大规模电商场景下多队列、多目标、排序策略、多样性等核心模块优化，对用户行为和意图进行全方位分析和建模，提升核心业务指标；\n3. 结合业务需求，探索用户成长路径，寻找中间过程指标，提升推荐场用户留存；\n四、具身算法\n1. 研究适用于机器人控制的强化学习算法体系，覆盖离线RL、在线RL及多任务RL，支撑复杂操作策略生成；\n2. 构建端到端的强化学习训练系统，整合仿真与真机环境，实现策略高效优化与迁移；\n3. 探索强化学习与模仿学习、VLA模型及人类反馈的融合机制，提升智能体在真实任务中的泛化与决策能力；\n五、算法开发\n1. 搭建并落地「采集 - 训练 - 评测反馈 - 定向补采」的具身数据迭代飞轮。统一规范人类操作 Ego 数据、机器人遥操作数据、DAgger 纠错数据的处理管线，攻克数据清洗、对齐、动作空间映射、质量筛选与自动化质检等工程难题，构建高保真、高多样性的数据生产标准。持续扩大真实操作数据规模与质量，目标实现百万级小时量级的具身数据规模化积累，为模型泛化能力提供坚实数据底座。\n2. 聚焦具身操作基础模型核心能力迭代，持续优化模型预训练、强化学习后训练全流程。重点创新跨本体多源异构数据的动作对齐方法（尤其针对人类操作Ego数据与机器人数据之间的动作映射）、跨模态语义联合建模策略，以及基于环境反馈的RL后训练高效微调机制。通过模型结构、训练策略与对齐算法的协同创新，推动自研基座模型在通用操作能力上持续领跑国际权威评测体系。\n六、3D算法\n1.主导视频到 3D 空间重建、3D 生成基础模型架构研发、训练优化，解决几何重建、多视图一致性、动态三维生成等核心问题。\n2.开展前沿技术预研，带领 / 指导团队成员攻关，输出顶会论文、技术专利，搭建自研 3D 生成技术链路。\n3.将视频 3D 重建技术落地至数字孪生、游戏资产、具身智能、自动驾驶仿真等产业场景。\n七、地图算法\n1.负责轻地图里程计及相对定位研发;\n2.负责基于Learning的轻图全局定位的算法研发;\n3.基于视觉、激光雷达等多传感器融合的SLAM实时/离线地图构建的算法研发;\n4.负责离线和在线的多传感器（IMU、Odom、GPS、LiDAR、Camera）融合定位算法研发;\n5.负责车端速度融合模块的算法研发;\n6.多传感器的工厂、售后、在线标定研发.\n八、大模型应用算法\n1. 跨境场景NLP技术落地与业务赋能：聚焦Joybuy跨境电商核心场景，负责llm技术的实战落地与效果闭环，深度结合内容理解能力解决业务痛点，涵盖多语言文本理解、商品标题/详情页智能优化、跨语言搜索与推荐增强、机器翻译等，推动技术转化为实际业务增长；\n2. 智能交互体系构建与优化：搭建并迭代面向全球用户的多语言智能交互产品（智能客服、自然语言查询解析、意图识别等），依托Prompt Engineering能力提升交互精准度，优化用户咨询响应效率与问题解决率，强化用户体验与业务转化；\n九、空间智能算法\n1. 参与VSLAM算法开发与优化，包括特征匹配、视觉里程计、后端优化及闭环检测等模块；\n2. 结合深度学习技术，探索动态场景处理、语义SLAM或端到端三维重建的前沿方向；\n十、运筹优化/机器学习算法\n1. 负责将机器学习与运筹优化相结合，在末端揽派场景进行精细化运营相关工作\n2. 负责物流末端揽派场景规划相关算法，包括网点选择、配送范围规划、供需资源投入等\n十一、机器人多模态感知与运控算法\n1、视觉感知驱动的运动控制架构设计：主导设计视觉-运动闭环系统架构，明确视觉感知模块与强化学习策略接口、数据流与时序要求。研究并确定视觉信息的最佳表征形式（如原始图像、深度图、点云、语义分割图、神经辐射场NeRF特征或视觉里程计）作为强化学习策略输入。\n2、视觉感知算法研发与集成：开发或集成适用于机器人运动控制的轻量化、实时视觉感知算法。关键技术方向包括但不限于：地形与可通行性分析： 基于单目/立体视觉或RGBD，实时进行地形分类、坡度估计、障碍物检测与可通行区域分割。视觉状态估计： 开发或优化基于视觉的机器人本体状态估计，为运动控制提供高精度的位姿与速度反馈。视觉特征提取： 利用CNN、Vision Transformer等模型，从视觉输入中提取对运动决策至关重要的鲁棒特征。\n十二、推理引擎工程师（大模型/CTR/端）\n1.负责大模型、CTR模型及端侧模型的推理性能优化与部署，根据业务场景（如LLM多模态生成、推荐/搜索/广告、移动端/嵌入式设备）定制高性能推理解决方案；\n2.针对大模型推理场景，优化推理引擎性能，支持文生图、文生视频等多模态任务的低延迟、高吞吐部署；"
}