岗位职责（具体工作内容） 基于大模型POI数据建设 在出行场景，POI现实位置的数字化表达，是用户出行需求的终点表达。因此POI不仅需要精准的表达地理位置，还要提供丰富、全面的信息供用户参考决策。现实世界每年有接近40%的变化，怎样高效的发现变更、低成本的接入变更，是POI数据建设的最大挑战。 技术挑战： 【多模态数据处理能力】 多模态数据处理&理解是情报挖掘模型的核心能力。从情报挖掘的角度，可以采集到的资料包括图片、定位信息、Wi-Fi、检索词、司乘行为轨迹、互联网信息、品牌官网等多种信息源。各个信息源的数据表达方式差异化明显，模型怎样从海量情报中理解&发现变更信息，并从多方信息源进行佐证，过滤无效&虚假变更信息是情报挖掘模型的核心能力。 【情报自动化处理能力】 基于Agent的情报自动化处理是POI数据建设突破的根基。情报的核实是POI数据建设的最后一环，情报核实的效果直接影响着最终POI的数据质量。传统的做法都是由人工作业来保证核实的正确性的，但是随着出行业务的快速发展，人工作业无法满足快速更新的业务需求。那么如何使用好人工作业反馈、用户使用反馈数据，结合LLM能力建设Agent，高效准确的核实情报、更新POI数据，是POI目前阶段的最大挑战，也是未来突破的根基。 【用户决策信息建设】 通过大模型补充不同场景用户的决策信息需求，是POI数据建设的下一步目标。在出行场景下，用户的决策过程要参考的信息不用，例如同是餐馆的标签，旅游用户倾向网红店、上班用户餐馆倾向聚餐。POI数据建设需要通过大模型，从多个维度补充信息，供用户决策时使用。 任职资格（学历、目标院校、语言、技能、性格等要求） 1、需要有大模型经验 2、对NLP相关算法熟练掌握 3、有论文经验加分、有vibe coding经验加分