资产方向算法工程师

岗位职责

1.负责美团骑行资产管理核心业务中的关键算法链路设计与落地，包括但不限于基于图像识别与多模态大模型的车辆故障识别、资产全生命周期预测、故障智能派单与调度优化等。 2.构建骑行资产智能感知与决策算法体系，综合运用机器学习、深度学习、多模态大模型及运筹优化技术，提升故障识别准确率与资产运营效率，驱动资产利用率提升与运维成本优化。 3.与资产运营、硬件、产品团队紧密协作，从海量车辆物联数据、运维工单数据与用户报障数据中抽象问题并进行建模优化，推动从故障感知、诊断预测到工单调度的全链路解决方案落地。 4.结合多模态大模型、计算机视觉等前沿技术与业界实践，解决骑行资产管理中的"识别、履约、审核"核心难题：车辆故障的精准识别与分级、资产健康度与剩余寿命预测、故障工单的最优派发路径规划；探索并推动大模型在故障诊断推理、运维策略生成等场景的应用落地，提升研发与运营效率。 5.负责核心算法模块的技术方案设计与代码落地，持续跟踪前沿技术进展，推动技术迭代与业务指标提升。

任职要求

岗位基本需求 1.计算机、数学、自动化等相关专业，在计算机视觉、多模态大模型、运筹优化、大数据处理等至少一个技术方向有3年以上研发经验。 2.熟悉资产智能管理算法体系，对面向设备故障识别、寿命预测、调度优化的图像分类与目标检测、多模态融合推理、运筹优化建模等有较深厚的认知积累。 3.具备较强的跨团队合作意识与沟通能力，能高效协同业务方推动核心算法模块的落地与迭代。 4.对多模态大模型/生成式AI的发展趋势保持敏感，具备相关的探索意愿或落地经验。 5.具备较强的业务指标敏感度，能够将技术指标与核心业务指标深度关联并实现共赢。 具备以下者优先 1.有千万级以上资产管理或IoT设备运营场景的算法落地经验，覆盖状态感知、故障诊断、寿命预测、调度优化的全过程算法触点场景。 2.有多模态大模型在工业质检、设备运维等实际业务场景中的落地经验，熟悉大模型微调、视觉语言模型应用者优先。 3.熟悉运筹优化与路径规划算法，有大规模调度系统设计与优化经验，了解车辆路由问题（VRP）及启发式求解方法者优先。