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": "【大模型北斗实习】通用强化学习研究",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "北京市 / 上海市",
"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": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "RL 技术和 Reasoning 技术是大模型处理各项复杂任务的核心。本课题聚焦于利用上述技术，构建能够应对多目标优化、长期规划和不确定性的智能决策系统。\n主要研究内容包括但不限于：\n1）多层次强化学习设计：研究 Hierarchical RL 与 LLM 的结合方法，构建能够处理抽象策略与具体执行的多层次决策系统；探索如何将复杂的系统任务分解为可管理的子任务，并能找到准确稠密的反馈信号，构建 Local RM 和 Global RM，进而完成可依赖和全局的优化。\n2）Reasoning 技术：针对不同的任务，能对 Reasoning 过程的 Token Budget、Reasoning 路径等，有稳定可控的方式，且能实现任务自适应。\n3）RL & Reasoning Scaling Law：探索高效的 RL Scaling 技术和 Test Time Scaling 技术，不断提升模型能力，且能兼顾探索利用和 Compute Cost。",
"requirements_text": "1）计算机科学、人工智能、机器学习或相关专业背景。\n2）熟练掌握 Python，具备高效实现和优化强化学习算法的能力。\n3）扎实的强化学习理论基础，熟悉分层强化学习、多智能体强化学习、贝叶斯强化学习等高级算法框架。\n4）熟悉 LLM 及其与 RL 结合的前沿技术。\n5）熟悉 Reasoning 相关技术。\n加分项：\n1）在NeurIPS、ICLR、ICML等顶级会议发表过 RL 或决策系统相关论文。\n2）参与过大规模 RL 系统的实际部署，并解决过生产环境中的稳定性和效率问题。",
"skills": [AI生成
"Python",
"机器学习",
"强化学习",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3155408656&jobShareType=1"
}
]
},
"posting": {
"posting_id": "3155408656",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3155408656&jobShareType=1"
},
"fulltext": "【大模型北斗实习】通用强化学习研究\n【大模型北斗实习】通用强化学习研究\n\n基础信息\n工作地点：北京市 / 上海市\n职位类别：技术类\n职位族群：算法,硬件,软件\n更新时间：2025-05-23\n\n岗位职责\nRL 技术和 Reasoning 技术是大模型处理各项复杂任务的核心。本课题聚焦于利用上述技术，构建能够应对多目标优化、长期规划和不确定性的智能决策系统。\n主要研究内容包括但不限于：\n1）多层次强化学习设计：研究 Hierarchical RL 与 LLM 的结合方法，构建能够处理抽象策略与具体执行的多层次决策系统；探索如何将复杂的系统任务分解为可管理的子任务，并能找到准确稠密的反馈信号，构建 Local RM 和 Global RM，进而完成可依赖和全局的优化。\n2）Reasoning 技术：针对不同的任务，能对 Reasoning 过程的 Token Budget、Reasoning 路径等，有稳定可控的方式，且能实现任务自适应。\n3）RL & Reasoning Scaling Law：探索高效的 RL Scaling 技术和 Test Time Scaling 技术，不断提升模型能力，且能兼顾探索利用和 Compute Cost。\n\n岗位基本要求\n1）计算机科学、人工智能、机器学习或相关专业背景。\n2）熟练掌握 Python，具备高效实现和优化强化学习算法的能力。\n3）扎实的强化学习理论基础，熟悉分层强化学习、多智能体强化学习、贝叶斯强化学习等高级算法框架。\n4）熟悉 LLM 及其与 RL 结合的前沿技术。\n5）熟悉 Reasoning 相关技术。\n加分项：\n1）在NeurIPS、ICLR、ICML等顶级会议发表过 RL 或决策系统相关论文。\n2）参与过大规模 RL 系统的实际部署，并解决过生产环境中的稳定性和效率问题。\nRL 技术和 Reasoning 技术是大模型处理各项复杂任务的核心。本课题聚焦于利用上述技术，构建能够应对多目标优化、长期规划和不确定性的智能决策系统。\n主要研究内容包括但不限于：\n1）多层次强化学习设计：研究 Hierarchical RL 与 LLM 的结合方法，构建能够处理抽象策略与具体执行的多层次决策系统；探索如何将复杂的系统任务分解为可管理的子任务，并能找到准确稠密的反馈信号，构建 Local RM 和 Global RM，进而完成可依赖和全局的优化。\n2）Reasoning 技术：针对不同的任务，能对 Reasoning 过程的 Token Budget、Reasoning 路径等，有稳定可控的方式，且能实现任务自适应。\n3）RL & Reasoning Scaling Law：探索高效的 RL Scaling 技术和 Test Time Scaling 技术，不断提升模型能力，且能兼顾探索利用和 Compute Cost。\n1）计算机科学、人工智能、机器学习或相关专业背景。\n2）熟练掌握 Python，具备高效实现和优化强化学习算法的能力。\n3）扎实的强化学习理论基础，熟悉分层强化学习、多智能体强化学习、贝叶斯强化学习等高级算法框架。\n4）熟悉 LLM 及其与 RL 结合的前沿技术。\n5）熟悉 Reasoning 相关技术。\n加分项：\n1）在NeurIPS、ICLR、ICML等顶级会议发表过 RL 或决策系统相关论文。\n2）参与过大规模 RL 系统的实际部署，并解决过生产环境中的稳定性和效率问题。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}