腾讯地图-空间语义大模型研究

课题背景： POI是电子地图的核心数据资产，目前方案是各业务基于开源模型做后训练提升效果，面临三大瓶颈：

现有多模态大模型空间理解能力薄弱，缺乏对坐标、距离、几何关系等空间语义的精准建模能力；

目前开源模型地图领域知识不够，缺乏地图数据规范性、空间、图片理解及对齐能力理解；

当前Agent能力非原生内嵌，导致工具选择准确率低、多步决策链路脆弱。

课题挑战： 空间模态建模尚处空白，业界缺乏成熟方案，这是本课题最核心也最前沿的挑战。同时，还需要解决原生Agent工具调用能力的训练数据构造、多任务联合训练的效果干扰与帕累托最优难题等空间语义大模型训练中的优化问题。

具体工作： 你将参与地图POI领域多模态基座模型的预训练方案设计（空间-视觉-文本原生融合）、POI属性错误挖掘与自动生成的多任务联合训练、Agent能力集成（工具调用与多步决策）、多任务效果平衡与帕累托优化策略研究，以及大基座到专项小模型的蒸馏方案设计与评估体系建设。

学历和专业要求： 包含但不限于计算机科学、人工智能、自然语言处理、数据挖掘、地理信息系统（GIS）、模式识别、应用数学、统计学等相关专业的博士和优秀硕士。

技术技能要求： 熟练掌握NLP/多模态大模型预训练与微调技术（如VLM、LoRA、MoE、RL等），熟悉PyTorch/DeepSpeed等训练框架；有大模型文本理解与生成（如LLM文本纠错、NER、信息抽取）、大模型视觉感知（如VLM图像理解、OCR、多模态对齐）、大模型空间建模（如坐标编码、地理位置表征学习）或LLM-based Agent系统开发经验者优先。

软性素质要求： 具备较强的自驱力与问题拆解能力，善于在业界方案稀缺的新领域中探索创新路径；具备良好的跨团队沟通协作能力，能快速理解业务场景并推动技术落地。