Keeta技术-AI配送算法工程师

职位描述

1. AutoResearch能力建设：推动算法研究流程的自动化与智能化，探索AutoResearch框架，实现从数据探索、特征发现、模型选型、超参搜索到实验评估的全链路自动化。利用LLM辅助文献调研与技术方案生成，加速从研究假设到实验验证的迭代周期，提升团队算法创新效率。探索AI Agent驱动的自动实验设计与模型迭代范式。 2. 实时调度优化：负责Keeta实时调度系统中关键模型的建模与优化，针对即时配送实时调度问题存在的多目标、不确定性、动态性与超大规模等特点，综合使用机器学习、深度学习、强化学习、因果推断等技术手段进行多场景联合优化，持续创新迭代，提升人单匹配决策质量。建模方向包括但不限于：ETA预估、路径规划和时间预估、供需预测、转化预估、订单难度及接单意愿刻画、定价、骑手活动优化等。 3. 归因体系建设：基于LLM Agent构建智能归因分析框架，设计多Agent协作的归因分析链路，通过Agent自主调度数据查询、指标拆解、异常定位、因子分析等环节，实现对业务指标变化的自动化归因与根因定位。将LLM的分析推理能力与业务数据体系深度结合，驱动业务决策从"经验判断"升级为"AI

任职要求

1. 计算机、工业工程、自动化、应用数学、人工智能等相关专业； 2. 扎实的编程能力与AI Coding实践，熟练使用Python/Java等语言，熟悉常用数据结构和算法，熟练使用Hive、Spark等大数据工具；有利用AI辅助编程工具（Copilot、Cursor、Claude Code等）提升研发效率的实践经验； 3. 在机器学习或数据挖掘或运筹优化方向有深入理解与落地经验，在广告推荐、需求预估、强化学习等方面有实践经验；熟悉LLM应用开发（Prompt Engineering、RAG、Agent等）者优先； 4. AI归因能力：熟悉LLM Agent开发，有基于Agent构建数据分析、归因分析或自动化诊断系统的经验，能设计多Agent协作完成复杂归因任务； 5. AutoResearch能力：了解自动化机器学习（AutoML）、自动化实验设计等研究方向，有搭建自动化研究pipeline或AI辅助科研工具的经验者优先； 6. 优秀的分析及解决问题的能力，在复杂业务场景策略优化方面具备2-3年经验； 7. 能够深入思考、勇于创新，具有优秀的业务理解、目标制定能力，以及较强的跨团队沟通