AI 开发工程师（供应链 / 物流 AI 应用方向）

1. AI 算法开发与业务智能化升级

参与公司核心 AI 算法研发，深度支撑供应链平台、网络货运平台及供应链金融业务的智能化转型，将 AI 技术落地为实际业务价值。

1. 图算法与 GNN 模型研发优化

设计、开发并优化大规模图算法、图神经网络（GNN）模型，聚焦路径规划、智能物流调度、精准推荐等核心场景，提升业务决策效率与准确性。

1. 大规模图数据处理与创新应用

负责海量图数据的清洗、处理与分析，探索图算法在供应链协同、物流网络优化等领域的创新应用，强化数据处理能力与结构合理性。

1. 强化学习模型落地与动态决策

开发并优化强化学习模型，解决库存动态管理、运输路径实时优化、资源调度分配等实际业务中的动态决策问题，提升业务运营效率。

1. LLM 技术应用与 NLP 任务落地

基于大语言模型（LLM）开展自然语言处理相关开发，优化智能客服应答、客户需求深度分析、业务文档自动化处理等场景的效果与体验。

1. 模型性能优化与技术攻坚

持续迭代 AI 模型性能，从算法精度、运行速度、系统稳定性等维度进行优化，攻克业务场景中的核心技术挑战，保障系统可靠运行。

1. 技术沉淀与知识共享

撰写规范的技术文档，总结项目研发成果与实践经验，参与团队内部技术交流与知识共享，助力团队技术能力提升。

1. 计算机科学、人工智能、数据科学等相关专业硕士及以上学历，3 年及以上 AI 算法开发实战经验。
2. 具备扎实的机器学习、深度学习理论基础，熟练掌握至少一种主流深度学习框架（Jax、PyTorch、scikit-learn 等）。
3. 精通图算法（图卷积网络、图嵌入、图生成模型等）与图神经网络（GNN）的应用逻辑，具备相关模型开发与优化经验。
4. 熟练掌握强化学习算法原理与实践方法，能独立将其应用于动态决策、业务优化等实际场景。
5. 熟悉大语言模型（LLM）应用场景，具备文本生成、智能问答等 NLP 任务的开发经验。
6. 精通 Python 编程语言，代码规范、逻辑清晰，具备良好的编程习惯与问题排查能力。
7. 逻辑思维与问题分析能力突出，能独立思考并解决复杂业务场景下的 AI 技术问题。
8. 具备良好的跨团队协作与沟通能力，能快速响应并适配变化的业务需求。

加分项

1. 有大规模图数据处理、GNN 模型生产环境落地经验者优先。
2. 熟悉 OpenAI Gym、Ray RLLib 等强化学习框架，有实际项目应用经验者优先。
3. 具备基于 LLM 的生成式模型、智能客服 / 对话系统开发经验者优先。
4. 有供应链、物流、金融领域 AI 项目全流程（需求分析 - 开发 - 上线）落地经验者优先。
5. 具备深度学习、强化学习等前沿技术在实际业务中的创新应用案例者优先。