共 6784 个在招岗位 · 覆盖国企、大厂官方招聘
团队介绍 负责网约车安全数据架构体系建设（在线&离线），基于业务场景抽象，建设高可用、高性能、高扩展的异构数据查询引擎，完善网约车安全数据链路，通过建设统一的安全特征中台，提升研发效率、数据质量与系统稳定性。 岗位职责 1、负责数据管理平台能力建设及公共基础组件的建设； 2、负责数据服务的引擎建设，包括系统的架构升级、性能优化、稳定性建设； 3、负责数据体系的内容建设，开发及维护系统功能及业务功能。
1. 负责统筹规划司机拉新产品/策略效率等工作，以新司机首单规模和留存为核心目标； 2. 基于数据分析，寻找各层级漏斗转化的增长机会，从中提取有价值的洞察并转化为行动方案； 3. 推动产品运营策略的落地执行，指导和培养团队成员，提升团队整体运营能力； 4. 结合行业数据和市场趋势，提出增长的意见和建议，并跨部门推及协调资源落地。
1、参与基带相关的预研、开发质量管理工作，主导项目上市后的基带相关问题识别与分析、闭环 2、负责主导基带质量专项，识别多项目共性基带痛点问题，组织专项攻关解决 3、负责产品生命周期质量管理，主导统筹市场端质量目标制定、拆解、异常问题处理等环节，推动设计和测试闭环迭代 4、主导海外质量管理，区域质量专项及异常问题处理，持续推动海外质量与体验改善提升
1. 负责智能出行品类选品和准入， 根据不同市场不同用户和不同渠道的特性，挑选和寻找合适产品； 2. 根据各产品目标定位和业务需求，组织制定产品上市GTM规划，保障业务目标达成； 3. 对产品GTM计划过程进行管理，支持销售团队，拉通产品、计划、供应链、服务等各环节，跨部门整合协同，对产品生命全周期负责； 4. 控货控价管理，保障产品销售利润和收入最大化； 5. 对PSI负责，确保交付准确及时高效。
1.负责视觉理解、问答搜索方向AI能力在小米人车家多品类上的能力落地，不断打造有亮点、有价值的功能； 2.建设产品洞察、开发、评测全流程工作，以技术指标、用户体验作为双轮驱动，不断提高视觉理解方向的工具建设成熟度； 3.负责视觉理解方向技术的实际落地与优化，对效果体验负责，如评测维度设计、评测集搭建、Case 分析与效果验收，持续提升效果评估的科学性与稳定性； 4.洞察行业前沿发展，不断将行业前沿技术能力、产品形态吸收引入，打造创新的功能形态、交互体验，完成0-1的探索与实际落地的交付。
1、产品市场营销：紧密联动研发、产品、工程、商务等团队，制定并落地核心技术产品的GTM策略与整合营销计划。通过精准的用户洞察、产品定位、市场策略、渠道拓展、营销战役等，有效推动技术成果的商业化落地与业务增长。 2、行业生态拓展：建立并运营医疗AI行业KOL、学术机构及生态合作伙伴的深度合作关系，构建多元化的市场矩阵，为产品营销、公益项目提供优质的资源保障。 3、科技公益项目：依托“AI向善”理念，策划并落地具有广泛社会影响力的医疗AI公益项目，通过挖掘科技解决社会痛点的真实案例，传递技术温度，构建有责任感、有温度的顶尖科技品牌形象。
团队介绍 网易有道正在围绕大模型与 Agent 探索 AI 老师等 AI 教育产品。团队聚焦算法系统、模型应用与工程化落地，欢迎对 AI 产品和真实用户问题有兴趣的研发同学加入。 岗位职责 1. 参与 AI 老师及相关 AI 教育产品的算法系统、Agent 能力和整体技术方案设计，推动模型能力转化为可用的产品能力。 2. 负责 LLM/Agent 相关技术方向的方案设计、技术攻关与工程落地，持续提升系统效果、稳定性、可控性和可迭代性。 3. 结合教学目标和用户反馈，探索 AI 老师的教学方法，持续优化产品效果。 4. 与产品、算法及工程团队协作，完成从问题拆解、方案验证到线上交付和持续迭代。 5. 使用 Codex 或同类 AI Coding 工具辅助需求理解、编码、测试与迭代，能够独立产出结构化 PRD/技术方案并推动实现。
1. 负责 AI 产品服务端功能的研发与迭代，支撑智能对话、内容生成、Agent 应用以及用户权益与商业化等业务场景。 2. 与产品经理、算法工程师等角色紧密协作，深入理解业务需求，参与需求评审和技术方案设计。 3. 独立承担服务端模块开发、接口设计、性能优化及线上问题排查，保障核心业务链路稳定、高效运行。 4. 对接大模型 API 及内部推理服务，完成模型能力接入，并结合业务场景实现 Agent 工作流、工具调用和任务编排。 5. 推动需求从方案设计、开发、测试到上线的全流程闭环，保障交付质量和业务目标达成。 6. 持续优化服务架构和代码质量，完善技术文档，推动团队经验沉淀与能力复用。
1、按照实习就业推荐流程，制定实习就业方案，完成所合作院校学生的资源链接和大学生实习就业推荐工作； 2、拓展新的企业资源，完成区域企业拓展的数量和匹配比例，深度挖掘企业招聘岗位数量； 3、完成部门实施就业双选会的数量和质量，或组织企业专场招聘会； 4、长期对合作企业进行跟踪维护和管理，及时了解用人需求； 5、完成对合作院校学生就业过程遇到的问题提供全方面咨询和指导； 6、收集企业招聘面试技术题，关注数媒行业和艺术创造设计行业市场发展动态及趋势，为产研部门提供相关升级资料信息； 7、配合驻校学业就业规划师，收集学生的就业照片及入职信，为市场宣传提供相关素材，做好学生就业后的跟踪回访工作监督； 8、其他部门协同性的工作； 9、适应短期出差。
我们正在为新老AI agent产品寻找一位懂产品、懂用户、懂渠道的市场推广。这不是一个纯品牌岗，也不是一个纯增长岗——你需要同时具备“把产品卖点讲清楚”的内容能力和“把产品卖出去”的渠道能力。如果你擅长把一个AI产品从“功能”翻译成“用户听得懂的好处”，并且知道该去哪里、用什么样的内容找到对的用户，这个岗位适合你。 岗位职责： 一、产品卖点包装与内容策略 深入理解AI产品的技术能力、用户场景和竞品差异，提炼核心卖点 将产品功能“翻译”成用户能感知的价值点，输出产品定位、核心话术和内容框架 洞察C端用户（留学生、雅思/托福考生、口语爱好者、职场英语人群）的需求和决策心理，制定针对性的内容方向 持续迭代产品卖点表达方式，支撑不同渠道（百度、小红书、抖音、B站、私域等）的内容产出 二、渠道增长与用户获取 统筹C端渠道增长策略，以DAU和GMV增长为核心目标，持续开拓并优化信息流、小红书等平台的转化路径 持续拓展并维护KOL/KOC资源库，驱动有效的内容合作与带货产出 监测渠道数据，迭代投放策略与内容形式，确保C端获客效率与ROI 三、品牌营销与明星合作 参与或主导品牌营销项目，包括但不限于品牌活动策划、跨界合作等 负责明星代言人/合作人的筛选、评估、商务洽谈及后续传播落地 对传播结果负责：从曝光量、用户认知提升到最终的转化贡献 四、跨部门协同 与产品团队紧密配合，从市场端反哺产品卖点优化及用户洞察 与设计、内容、投放等内部团队协同，确保营销物料的质量与效率 统筹内外部资源，推动营销项目从策划到执行的高效落地
1. 负责有道旗下办公Agent产品的市场推广工作 2. 深入理解产品核心功能与目标用户场景，策划并落地精准、高效的推广活动 3. 拓展并协同内外部渠道（如媒体、KOL、行业伙伴、高校及企业客户等），扩大产品声量与覆盖范围 4. 监测推广数据与用户反馈，持续优化传播内容、渠道组合与转化路径，提升获客效率与留存表现 5. 主动挖掘产品增长机会点，推动跨团队协作（如产品、运营），将用户需求与市场洞察反哺产品迭代 6. 通过案例打造、口碑运营与内容建设，系统性提升产品在办公场景中的认知度、专业形象与用户信任度
1. 负责 iOS App 及 macOS App 的核心开发，解决复杂交互问题，提供优质的用户体验，推动产品迅速迭代。 2. 负责相关的 Web 全栈开发，具备端到端交付能力。 3. 未来兼顾 Android 端开发，以学习能力和技术经验应对未来变化。 4. 在 AI 辅助下进行交互设计并独立完成落地。 5. 开展技术调研与攻关，掌握并使用 vibe coding 等前沿开发方式。
1、负责有道青少教育产品非标流量渠道拓展，根据公司业务增长需求，寻求优质渠道并达成合作，定期总结渠道推广效率和效果，整合渠道资源，提出优化建议 2、针对各渠道制定市场推广策略，进行渠道政策制定、渠道建设管理、维护、协调。 3、对数据敏感、可评估渠道合作质量，挖掘现有渠道的合作潜力，不断优化迭代合作方案、控制投放成本，提升投产比 4、负责对代理商的支持工作，包括但不限于对代理商的业务培训、指导、监控，确保市场策略落地。 5、行业市场调研，以及产品竞争动态信息收集。
1.负责小学英语在线大班引流课/长期班授课，80%英文授课，充分备课以完成教学任务，保证高质量的教学内容与互动。 2.按照教学计划，准备和布置作业、批改并反馈学生学习情况。 3.熟悉小学-初中阶段学生特点、校内外学情，配合班主任做好家长服务，通过优秀的服务品质建立家长口碑，为完课率和用户留存负责。 4.参与学科内教学研讨和教研活动，以提升教学质量，承担讲义及教研出版物制作。 5.打造个人学科IP账号，配合出镜做知识分享和产品营销种草，与运营配合进行直播间产品售卖工作。
1. 负责 Agent 系统、知识库、RAG、Workflow、Tool/Skill 等 AI 应用服务端体系建设，推动模型能力与业务场景深度结合，构建稳定、可扩展的 AI 服务架构； 2. 负责 AI 产品服务端技术方案设计与核心模块研发，覆盖 Agent Runtime、上下文管理、任务编排、模型接入、工具调用、数据存储、异步任务等关键能力； 3. 跟踪全球 AI 前沿技术发展趋势，判断新技术的产品价值与落地机会，推动 AI 创新项目从 0 到 1 快速验证和工程化落地； 4. 负责服务端架构治理、稳定性、性能、成本及研发效能建设，同时建立技术创新机制，提升团队 AI Native 研发能力； 5. 负责服务端团队建设与人才培养，提升团队在 AI 应用工程、系统架构和快速创新方面的整体能力。
1、base市场部配合完成有道词典笔等有道智能硬件营销Campaign视觉创意与设计高质量落地工作。包括但不限于KV设计，活动物料设计，品牌物料设计，电商渠道设计等； 2、快速梳理业务需求，能够输出符合业务目标的设计方案；并与营销/销售同学配合。 3、参与产品营销及市场营销项目中，配合完成宣传海报等内容制作与延展。 4、配合线上平台（天猫、京东、抖音）做店铺日常维护（含页面，推广图，主图，详情页等设计或修改）。
1、公关战略制定及策略创意产出： • 协助公关总监制定并执行公司年度公关传播策略，确保公关活动与网易有道业务战略及品牌调性高度一致。 • 负责对外信息发布及各类公关文稿的撰写与审核，确保内容质量与传播口径的统一。 2. CEO传播： • 基于公司战略目标，主导CEO 相关传播策划。 • 承接CEO对外发言、论坛活动等内容策略输出及传播落地。 3. 媒体关系与舆情管理 • 维护并拓展与AI圈、主流媒体、科技财经媒体的良好关系，搭建并巩固媒体资源网络。 • 建立并完善舆情监测与危机应急体系，实时监测涉及公司及产品的舆论动态，在突发危机时迅速响应、统筹应对，维护企业声誉。 4. 团队协作与项目管理 • 协调内外部资源（公关、媒体、产品、推广团队等），推进重大传播项目落地，并对品牌知名度和产品关键绩效指标负责。 • 统筹策划并执行新品发布会、媒体沟通会、战略签约、跨界联合传播等大型品牌公关事件。
岗位职责： 1、负责公司AI相关的叙事传播，制定海内外AI 圈层推广策略，提升产品知名度和美誉度。 2、拓展海内外AI圈层、科技核心媒体、AI赛道KOL关系，精准传递有道声音。 3、梳理并传播有道“AI+”公司战略，策划发言人内容，塑造公司在AI领域的行业地位。 4、将AI 相关叙事，引导至提升公司在资本市场的相应影响力。
核心职责： 1. 大客户开拓与经营：深耕零售+物流融合赛道，聚焦快消品牌商、连锁零售商、第三方物流及城配平台，挖掘其在门店选址、仓网规划、配送路径优化、应急调拨、渠道覆盖评估等场景的业务痛点； 2. 解决方案式销售：深度理解客户在门店网络规划、渠道效率、消费者洞察、O2O运营等痛点，结合公司地图数据、POI、客流热力、竞品分布等核心能力，输出定制化商业智能解决方案； 3. 生态协同推进：联动产品、数据、技术及ISV伙伴，打造“标准产品+行业插件+联合运营”模式，提升方案竞争力与客户粘性； 4. 行业影响力构建：沉淀零售、物流行业方法论，参与白皮书、案例包装、私享会等活动，强化公司在零售+物流数字化领域的品牌心智。 任职要求： 1. 经验：5年以上ToB销售经验，3年以上深度服务零售、快消或物流行业大客户，有成功交付选址、仓配、供应链优化类项目经验者优先； 2. 能力：理解零售企业的渠道策略与物流企业的网络运营逻辑；； 具备解决方案思维，能将数据能力转化为业务价值语言； 出色的高层对话能力，可对接客户VP及以上级别决策者； 3. 特质：结果导向、自驱力强、善于跨团队协作，对地理信息、大数据、AI应用有浓厚兴趣； 4. 加分项：有GIS、LBS、商业选址、客流分析类产品销售经验者优先。
1. 设计和搭建大规模芯片级和模块级验证环境，制定互联/SOC层级相关功能的验证策略。 2. 执行功能/集成以及门级仿真等有效的验证方法来确保性满设计满足功能和性能要求。 3. 分析和解决故障与问题，确保验证进度，交付完全验证的相关功能设计。
1. 负责千问&夸克服务端技术体系的系统分析、设计，并主导完成详细设计和编码的任务，确保项目的进度和质量；主导技术难题攻关，持续提升核心系统的高处理性能； 2. 能够在团队中完成Code Review的任务，确保相关代码的有效性和正确性，并能够通过Code Review提供相关性能和稳定性的建议； 3. 理解业务，识别需求，参与架构、系统、分析设计等多领域项目的相关技术的实践、应用和研发。
1、负责千问&夸克App的业务开发工作，包括跟产品同学沟通需求、业务需求开发和上线，效果分析，稳定性监控及维护，重/难点技术攻关； 2、承当业务架构设计、概要设计工作，负责整体方案拉通、推进及实现落地。
1. 国际项目发行 • 全权负责影片全球版权销售、区域发行、流媒体落地、节展售卖等全链路变现工作。 • 打通海内外院线、流媒体、电影节、版权渠道，实现单项目利润最大化，对海外营收结果负责。 2. 负责国际电影项目企划开发 / 剧本内容筛选与评估 • 主导中外合拍/合作项目的前期企划与统筹工作，梳理创意方向，整合策划材料，协调团队资源，推动项目落地。 • 具备独立阅读和判断中英文剧本的能力，结合市场趋势与开发需求，提出内容建议，并撰写专业的剧本评估报告。 • 负责项目前期开发团队的任务拆解与进度管理，合理分配人力，确保各阶段开发目标高效达成。 3. 项目流程与跨部门协作管理 • 具备项目owner管理经验，负责项目相关协议；同时统筹处理法务、财务、商务等内部审批流程，以及成本预算与报销等基础运营事务，提升项目执行效率。 • 作为项目核心枢纽，主导跨部门协作会议，优化内部沟通与决策流程，主动识别并解决项目推进中的卡点与风险。 • 协助上级进行团队梯队建设，参与制定部门内部的标准化工作流程（SOP），沉淀项目开发与统筹经验，提升团队整体专业度。
1. 增长战略制定与 AI 原生营销 ● 制定面向 AI Agent 产品的全链路增长营销战略，深入理解 AI Agent 的核心价值主张与差异化优势，将技术能力转化为用户可感知的产品叙事（Product Narrative） ● 针对 AI Agent 产品的独特采纳曲线（信任建立 → 首次委托 → 习惯养成），设计分阶段的用户生命周期增长策略，覆盖拉新、激活、留存与扩展（AARRR）全链路 ● 持续追踪 AI Agent 行业动态、竞品动向及用户认知演变，识别市场教育机会与增长窗口，为产品与业务战略提供前瞻性输入 2. 内容营销与社区运营 ● 主导 AI Agent 产品的内容营销体系建设，能够深度拆解 Agent 工作流、自动化用例等技术特性，产出面向不同受众（用户、创作者、KOL）的差异化内容 ● 统筹多平台内容矩阵（小红书、抖音、微信生态等），结合 AI Agent 场景化演示、用户案例、行业洞察等内容形态，驱动自然流量增长与品牌心智占领 ● 建立并运营 AI Agent 用户社区，培育 Power User 与行业 KOL，设计从内容消费到口碑裂变的完整传播路径，推动产品在目标群体中的有机扩散 3. 大型 Campaign 策划与执行 ● 独立主导大型增长 Campaign 的端到端执行，包括选题策划、节奏规划、跨渠道协同、素材统筹及上线复盘，确保 Campaign 目标与业务增长指标强绑定 ● 围绕产品重要节点（新功能发布、重大版本迭代、行业峰会等）设计整合营销事件，将单点声量放大为持续的品牌与增长势能 ● 建立 Campaign 管理的标准化流程与协作机制，高效调动产品、设计、研发、销售等跨部门资源，在复杂项目中保持执行质量与交付节奏 4. 数据驱动与增长实验 ● 搭建增长营销的核心数据看板，监控全链路转化漏斗（曝光 → 激活 → 首任务完成 → 留存 → 付费转化），敏锐识别增长瓶颈与高潜机会 ● 设计并持续推进 A/B 测试实验体系，覆盖落地页、Onboarding 路径、关键触达文案等环节，通过数据闭环驱动持续优化 ● 深度利用 AI Agent 产品自身的数据资产（用户任务日志、功能使用路径、会话质量数据），提炼真实用户行为洞察，反哺营销策略与产品迭代 5. 跨部门协同与增长飞轮 ● 与产品团队紧密协作，将一线营销洞察（用户痛点、认知障碍、高频用例）系统性反哺产品规划，影响 Roadmap 优先级 ● 推动建立以增长为导向的跨职能协作文化，对用户增长与业务营收目标共同负责
1. 推动大模型在搜索系统的落地，利用大模型升级召回链路，探索生成式召回、语义召回、检索增强等技术； 2. 负责大模型的训练与效果优化，包括监督微调（SFT）、强化学习及相关后训练技术，结合搜索业务数据持续提升模型效果； 3. 构建面向搜索算法研发的智能Agent，将大模型应用于效果评测、问题诊断及策略优化的全链路优化，全面提升算法迭代效率和效果； 4. 跟进大模型及搜索领域的前沿研究，阅读并复现相关论文，结合实际业务场景推动新技术落地； 5. 深入理解搜索产品及业务，参与在线搜索服务研发，推动算法在高并发、低延迟场景下稳定运行，服务大规模搜索用户。
我们正在从 0 到 1 搭建 Work（AI 协同办公）方向的 RL/RFT 训练数据体系，覆盖多个专业领域。端到端负责一个（或多个）领域的数据集从任务定义、instance 构造、reasoning 生成到分层验证的全链路，是模型训练飞轮里承上启下的关键位置。 1. 领域任务体系搭建（Taxonomy 设计） 对法律专业领域做结构化拆解：一级领域 → 二级场景 → 任务类型 → instance 模板，产出可复用、可扩展的标注体系。 2. Instance 与 Reasoning 构造 设计 instance 结构（instruction + context + reasoning + output），并针对不同任务选择合适的 reasoning 获取路径（强模型蒸馏、模板化拆解、真实文本抽取、人机协作等）。保证 reasoning 是 SFT/RFT 训练可直接使用的高质量推理链。 3. 分层验证方案设计 针对不同任务定义分层校验机制：规则硬匹配 → 结构完整性 → LLM-as-judge（将主观判断拆解为 yes/no 子问题）。把"评价推理质量"这类模糊问题降维为可自动化、可追溯的子任务。 4. Rubric 与评分标准建设 制定各方向 Rubric、评分分级与标注案例库，定义黄金集（golden sets）和奖励信号（reward signals），确保训练数据质量可量化、可迭代。擅长大批量生成高质量 rubric，而不是拍脑袋写几条规则。 5. 轨迹标注与 Bad Case 归因 对模型 Rollout 产出的多步执行轨迹进行逐步标注（正确性 / 必要性 / 思考质量 / 整体 Reward），并对失败步骤做根因分类（模型能力不足 / 评测标准缺陷 / 任务定义模糊 / 运行依赖缺失），输出结构化改进清单驱动训练数据补充与评测体系修正。 6. 标注质量管控 建立双标一致性校验、金标抽检、系统性偏差检测与分歧仲裁机制，管理外部数据供应商交付质量、运营内部专家产能，确保标注间一致率 ≥80%，数据可直接用于 Reward Model 训练。 7. 外部协作与专家资源整合 与高校老师、领域专家协作定义验收标准、评审样本、迭代规范，把外部资源转化为规模化精标数据；管理供应商时能给出清晰的标注规范、边界案例和仲裁依据。 8. 数据 → 模型 → 评测 闭环 周期性输出数据质量报告，识别模型能力薄弱区间，指导算法团队调整 Rollout 抽样策略与难度分布；随模型迭代补充更高难度标注数据，保持 Reward Model 区分度。
一、评测体系设计与指标定义： 把模糊的"用户预期未达成 / 效果不好"拆解为可量化、可归因、可执行的指标。对上负责电商搜索全链路（Query 理解、相关性、丰富性性等）的指标体系建设；面向 LLM、Agent、工具调用、多轮推理等场景，构建科学、可扩展的能力评测维度（指令遵循、推理、幻觉、安全性、工具调用等）。建立离线评测、在线人巡、A/B 测试、人工主观评估相结合的分层框架，覆盖端到端体验与质量监控。 二、数据流、流程建设与人机协作： 制定样本采样策略、标注 SOP、Badcase 分类体系，沉淀高质量评测样本集与测评集。推动大模型（LLM-as-a-judge）在规模化评测中的落地，设计 Prompt、校准机制与人工评审标准，实现自动评测与人工评测的互校验。 搭建"标准—评测—数据反馈"的闭环机制，向模型训练与方案迭代产出可用于训练的高质量偏好数据与奖励信号，提升迭代效率与评估标准的合理性。 三、问题洞察与深度归因 深入分析用户反馈、评测数据及日志，对搜索结果及 Agent 执行链路中的 Bad Case 进行系统性归因，准确定位算法策略（召回、粗排、精排、决策/工具调用等）及产品功能的硬伤，定期输出评测问题归因报告。 持续跟踪行业前沿 Benchmark、评测方法与模型能力演进，做竞品对比与行业研究，探索更贴近真实业务场景的评测范式。 四、业务驱动与闭环落地 ● 将评测结论转化为算法、产品、运营可落地的优化方案，建立闭环验证机制，量化策略迭代与模型迭代的业务价值，推动复杂跨团队项目落地。以推动算法、模型和产品真正改好为目标，而非以"产出评测报告"为终点。 ● 典型产出〔可按需保留/调整〕：定期评测问题归因报告、可复用的评测样本集与测评集、LLM-as-judge 校准方案与人工评审标准、支撑决策的竞品/行业研究。
训练方向： 负责分布式训练框架的设计与优化，支撑医学大模型（LLM及多模态）的预训练、SFT微调、Post-Training（RLHF/GRPO/PPO等强化学习对齐）全流程训练任务。 构建高效稳定的训练数据Pipeline，包括数据预处理、数据加载与调度、Checkpoint管理（异步快照、分布式Checkpoint、断点续训）等基础设施。 优化大规模分布式训练的性能与稳定性，包括并行策略设计与调优（数据并行/张量并行/流水线并行/序列并行）、MoE架构训练与专家并行（Expert Parallelism）、FP8/BF16混合精度训练、长上下文训练（Ring Attention/Context Parallelism）、通信拓扑优化等。
职位描述（Responsibilities） 1. 负责AI搜索核心算法方向建设，围绕LLM Search、GenSearch、RAG、Agent Search设计并落地检索、重排、生成、反馈闭环等关键能力，支撑新一代搜索体验升级。 2. 大模型后训练（Post-training）：负责搜索场景下大语言模型（LLM）的微调与对齐，包括高质量SFT数据建设，以及利用强化学习（如PPO、DPO、GRPO等）进行人类/AI反馈对齐（RLHF/RLAIF），提升大模型在搜索问答、查询理解和医学推理总结上的能力。 3. 搜索Agent与智能检索：设计并落地基于LLM的搜索Agent架构，实现复杂Query的任务拆解（Planning）、查询改写（Rewriting）、工具调用（Tool-use/Browsing）、自我反思（Self-Reflection）与动态决策流，落地工业级Skills。 4. 主导建设面向AI搜索的数据飞轮与评测体系，包括垂直领域专家级训练数据构造、偏好数据生产、自动评测、人工评测、线上实验与Badcase闭环，形成可持续迭代的算法生产机制。 5. 与工程、产品、数据团队协作，在大规模、高并发线上环境中推动算法架构演进，兼顾效果、时延、稳定性与成本，实现前沿技术向业务价值的高效转化。
1、负责千万级医学文献 Citation Graph（引用图）的构建、维护与优化，支撑大规模科学证据网络建设。 2、负责医疗领域 Evidence Evolution（证据演化）、Evidence Chain（证据链）及 Evidence Network（证据网络）相关图算法研发，挖掘医学知识之间的关联关系与演化规律。 3、探索并落地 GraphRAG、Knowledge Graph、Graph Neural Network（GNN）等前沿技术，结合大语言模型（LLM）提升科学证据检索、聚合与推荐能力。 4、参与 Scientific Retrieval（科学检索）算法研发，结合 Citation、Semantic、Graph 等多种召回方式，提升医学文献搜索的准确性、完整性和可解释性。 5、基于离线评测及线上实验数据持续分析 Badcase，优化图算法效果与系统性能，提升大规模图计算的稳定性和效率。
