主分类：大模型与生成式算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "Keeta技术-大模型算法工程师/专家",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-业务研发平台",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "数学、统计、运筹学、计算机或相关专业硕士及以上学历",
"language": "5. 良好的英语读写能力为加分项，能够与国际团队进行有效沟通",AI生成
"visa_support": "未披露",
"responsibilities": "1. 在国际化场景下，负责 Keeta 智能客服、智能审核、智能判责等方向的算法建设，以及对应基座模型的后训练（SFT/RLHF/DPO 等）；\n2. 运用大模型、Agent、多模态及传统机器学习等算法能力，解决生成式 AI 在业务落地的关键问题，满足多语言、多模态的复杂业务场景需求，持续提升智能化覆盖率与业务运转效率；\n3. 紧跟业界大模型前沿进展，深入分析新模型结构与技术范式，并快速转化为业务可用的算法能力；\n4. 从业务需求中提炼通用、模块化的算法能力，加速算法迭代，提升 Keeta 开国、开城的效率；\n5. 积极将 AI 辅助工具（如 Copilot、AI 实验分析工具）融入日常研发流程，推动团队以 AI 协作方式提升模型迭代效率。",
"requirements_text": "1. 数学、统计、运筹学、计算机或相关专业硕士及以上学历，3年以上相关工作经验；\n2. 在大模型、多模态、数据挖掘或传统深度学习领域具备独立负责项目的经验（有智能客服、审核、判责、外呼等方向经验更佳），并能在复杂业务场景中进行合理的算法选择与优化；\n3. 熟悉主流大模型，掌握 SFT、RLHF、RAG 等技术；精通 Python、Java 等编程语言，熟悉 TensorFlow、PyTorch 等常用机器学习框架；具备 AI 辅助工程开发的实践经验，能利用 Copilot、AI 实验分析等工具加速模型迭代与评估，以 AI 协作方式提升研发效率；\n4. 具备敏锐的业务洞察力和创新精神，对挑战性问题充满热情，能够将理论与实践相结合，主动学习并适应快速发展的业务环境；\n5. 良好的英语读写能力为加分项，能够与国际团队进行有效沟通。",
"skills": [AI生成
"Python",
"Java",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据挖掘",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "5. 良好的英语读写能力为加分项，能够与国际团队进行有效沟通",
"job_highlights": "1. 前沿技术落地：参与基座模型后训练全流程（数据构建→SFT→RLHF→评估），在真实多语言业务场景中解决大模型对齐与泛化难题，技术深度与业界前沿团队接轨；\n2. 多语言多模态挑战：Keeta 覆盖多个国家，商品、客服、审核场景涉及多种语言与文化，是国内少有的真实多语言大模型落地场景；\n3. 快速成长：新业务迭代节奏快，算法工程师可在短时间内主导完整的算法方向，积累从0到1的大模型应用落地经验。"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3008237497&jobShareType=1"
}
]
},
"posting": {
"posting_id": "3008237497",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3008237497&jobShareType=1"
},
"fulltext": "Keeta技术-大模型算法工程师/专家\nKeeta技术-大模型算法工程师/专家\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-业务研发平台\n职位类别：技术类\n职位族群：算法\n更新时间：2026-09-16\n\n岗位职责\n1. 在国际化场景下，负责 Keeta 智能客服、智能审核、智能判责等方向的算法建设，以及对应基座模型的后训练（SFT/RLHF/DPO 等）；\n2. 运用大模型、Agent、多模态及传统机器学习等算法能力，解决生成式 AI 在业务落地的关键问题，满足多语言、多模态的复杂业务场景需求，持续提升智能化覆盖率与业务运转效率；\n3. 紧跟业界大模型前沿进展，深入分析新模型结构与技术范式，并快速转化为业务可用的算法能力；\n4. 从业务需求中提炼通用、模块化的算法能力，加速算法迭代，提升 Keeta 开国、开城的效率；\n5. 积极将 AI 辅助工具（如 Copilot、AI 实验分析工具）融入日常研发流程，推动团队以 AI 协作方式提升模型迭代效率。\n\n岗位基本要求\n1. 数学、统计、运筹学、计算机或相关专业硕士及以上学历，3年以上相关工作经验；\n2. 在大模型、多模态、数据挖掘或传统深度学习领域具备独立负责项目的经验（有智能客服、审核、判责、外呼等方向经验更佳），并能在复杂业务场景中进行合理的算法选择与优化；\n3. 熟悉主流大模型，掌握 SFT、RLHF、RAG 等技术；精通 Python、Java 等编程语言，熟悉 TensorFlow、PyTorch 等常用机器学习框架；具备 AI 辅助工程开发的实践经验，能利用 Copilot、AI 实验分析等工具加速模型迭代与评估，以 AI 协作方式提升研发效率；\n4. 具备敏锐的业务洞察力和创新精神，对挑战性问题充满热情，能够将理论与实践相结合，主动学习并适应快速发展的业务环境；\n5. 良好的英语读写能力为加分项，能够与国际团队进行有效沟通。\n\n岗位亮点\n1. 前沿技术落地：参与基座模型后训练全流程（数据构建→SFT→RLHF→评估），在真实多语言业务场景中解决大模型对齐与泛化难题，技术深度与业界前沿团队接轨；\n2. 多语言多模态挑战：Keeta 覆盖多个国家，商品、客服、审核场景涉及多种语言与文化，是国内少有的真实多语言大模型落地场景；\n3. 快速成长：新业务迭代节奏快，算法工程师可在短时间内主导完整的算法方向，积累从0到1的大模型应用落地经验。\n1. 在国际化场景下，负责 Keeta 智能客服、智能审核、智能判责等方向的算法建设，以及对应基座模型的后训练（SFT/RLHF/DPO 等）；\n2. 运用大模型、Agent、多模态及传统机器学习等算法能力，解决生成式 AI 在业务落地的关键问题，满足多语言、多模态的复杂业务场景需求，持续提升智能化覆盖率与业务运转效率；\n3. 紧跟业界大模型前沿进展，深入分析新模型结构与技术范式，并快速转化为业务可用的算法能力；\n4. 从业务需求中提炼通用、模块化的算法能力，加速算法迭代，提升 Keeta 开国、开城的效率；\n5. 积极将 AI 辅助工具（如 Copilot、AI 实验分析工具）融入日常研发流程，推动团队以 AI 协作方式提升模型迭代效率。\n1. 数学、统计、运筹学、计算机或相关专业硕士及以上学历，3年以上相关工作经验；\n2. 在大模型、多模态、数据挖掘或传统深度学习领域具备独立负责项目的经验（有智能客服、审核、判责、外呼等方向经验更佳），并能在复杂业务场景中进行合理的算法选择与优化；\n3. 熟悉主流大模型，掌握 SFT、RLHF、RAG 等技术；精通 Python、Java 等编程语言，熟悉 TensorFlow、PyTorch 等常用机器学习框架；具备 AI 辅助工程开发的实践经验，能利用 Copilot、AI 实验分析等工具加速模型迭代与评估，以 AI 协作方式提升研发效率；\n4. 具备敏锐的业务洞察力和创新精神，对挑战性问题充满热情，能够将理论与实践相结合，主动学习并适应快速发展的业务环境；\n5. 良好的英语读写能力为加分项，能够与国际团队进行有效沟通。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}