{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【大模型北斗实习】Operator 智能体方向算法研究",
        "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": "随着大模型与生成式 AI 技术的快速发展，在多模态和复杂场景下让 Agent 具备更强大的决策和执行能力成为未来的重要趋势。OpenAI Operator 通过结合强化学习的多步决策机制与大模型的理解、推理优势，可在多种任务场景（如 Computer Use、网页浏览等）中实现高效且灵活的自动化决策和任务执行。本课题将聚焦多样化业务场景和复杂环境下的自适应策略设计、规划与推理，进一步提升 Agent 在真实应用中的表现。\n主要研究内容包括但不限于：\n1) 多模态与多步决策：设计并构建包含多模态信息、计算机交互、网络搜索、函数调用等多维度的复杂环境，研究如何利用端到端强化学习来进行多步决策，从而完成更具挑战的任务。\n2) 策略学习与优化：在多种强化学习算法（如 PPO、GRPO 等）的框架下，探索高效的策略优化方法，为 Operator Agent 提供强大的决策和执行能力。\n3) 规划与推理：借助大模型的知识与推理能力，设计可解释的多步规划算法；研究如何与外部工具或知识库交互，以扩展 Agent 的能力边界并提升其在真实环境中的自动化决策表现。",
        "requirements_text": "1）熟悉强化学习领域常用算法及理论基础（如 DQN、Policy Gradient、PPO、GRPO 等。\n2）熟练掌握至少一门编程语言（如 Python、Java），熟悉 Linux 环境。\n3）具备深度学习框架（如 PyTorch、TensorFlow）实际项目经验；了解大模型或分布式训练框架（Megatron、DeepSpeed 等）者优先。\n4）对大模型在 Agent 规划、推理中的作用有浓厚兴趣，对 LLM + RL 的前沿研究有基本认识。\n5）具备良好的问题分析和解决能力，对新技术保持学习和探索的热情。\n加分项：\n1）在 NeurIPS、ICLR、ICML、ACL、EMNLP 等相关领域高水平期刊/会议发表论文或在有影响力的开源项目中做出核心贡献。\n2）在多 Agent、层级强化学习或多模态融合等领域有深入研究或项目经验者优先。\n3）具备 General Agent 使用经验（如 OpenAI Operator、Manus AI 等）者优先。",
        "skills": [AI生成
            "Python",
            "Java",
            "Linux",
            "PyTorch",
            "TensorFlow",
            "深度学习",
            "强化学习",
            "大语言模型"
        ],
        "preferred_qualifications": "了解大模型或分布式训练框架（Megatron、DeepSpeed 等）者优先；加分项：；2）在多 Agent、层级强化学习或多模态融合等领域有深入研究或项目经验者优先；3）具备 General Agent 使用经验（如 OpenAI Operator、Manus AI 等）者优先",
        "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=3155414459&jobShareType=1"
            }
        ]
    },
    "posting": {
        "posting_id": "3155414459",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3155414459&jobShareType=1"
    },
    "fulltext": "【大模型北斗实习】Operator 智能体方向算法研究\n【大模型北斗实习】Operator 智能体方向算法研究\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\n随着大模型与生成式 AI 技术的快速发展，在多模态和复杂场景下让 Agent 具备更强大的决策和执行能力成为未来的重要趋势。OpenAI Operator 通过结合强化学习的多步决策机制与大模型的理解、推理优势，可在多种任务场景（如 Computer Use、网页浏览等）中实现高效且灵活的自动化决策和任务执行。本课题将聚焦多样化业务场景和复杂环境下的自适应策略设计、规划与推理，进一步提升 Agent 在真实应用中的表现。\n主要研究内容包括但不限于：\n1) 多模态与多步决策：设计并构建包含多模态信息、计算机交互、网络搜索、函数调用等多维度的复杂环境，研究如何利用端到端强化学习来进行多步决策，从而完成更具挑战的任务。\n2) 策略学习与优化：在多种强化学习算法（如 PPO、GRPO 等）的框架下，探索高效的策略优化方法，为 Operator Agent 提供强大的决策和执行能力。\n3) 规划与推理：借助大模型的知识与推理能力，设计可解释的多步规划算法；研究如何与外部工具或知识库交互，以扩展 Agent 的能力边界并提升其在真实环境中的自动化决策表现。\n\n岗位基本要求\n1）熟悉强化学习领域常用算法及理论基础（如 DQN、Policy Gradient、PPO、GRPO 等。\n2）熟练掌握至少一门编程语言（如 Python、Java），熟悉 Linux 环境。\n3）具备深度学习框架（如 PyTorch、TensorFlow）实际项目经验；了解大模型或分布式训练框架（Megatron、DeepSpeed 等）者优先。\n4）对大模型在 Agent 规划、推理中的作用有浓厚兴趣，对 LLM + RL 的前沿研究有基本认识。\n5）具备良好的问题分析和解决能力，对新技术保持学习和探索的热情。\n加分项：\n1）在 NeurIPS、ICLR、ICML、ACL、EMNLP 等相关领域高水平期刊/会议发表论文或在有影响力的开源项目中做出核心贡献。\n2）在多 Agent、层级强化学习或多模态融合等领域有深入研究或项目经验者优先。\n3）具备 General Agent 使用经验（如 OpenAI Operator、Manus AI 等）者优先。\n随着大模型与生成式 AI 技术的快速发展，在多模态和复杂场景下让 Agent 具备更强大的决策和执行能力成为未来的重要趋势。OpenAI Operator 通过结合强化学习的多步决策机制与大模型的理解、推理优势，可在多种任务场景（如 Computer Use、网页浏览等）中实现高效且灵活的自动化决策和任务执行。本课题将聚焦多样化业务场景和复杂环境下的自适应策略设计、规划与推理，进一步提升 Agent 在真实应用中的表现。\n主要研究内容包括但不限于：\n1) 多模态与多步决策：设计并构建包含多模态信息、计算机交互、网络搜索、函数调用等多维度的复杂环境，研究如何利用端到端强化学习来进行多步决策，从而完成更具挑战的任务。\n2) 策略学习与优化：在多种强化学习算法（如 PPO、GRPO 等）的框架下，探索高效的策略优化方法，为 Operator Agent 提供强大的决策和执行能力。\n3) 规划与推理：借助大模型的知识与推理能力，设计可解释的多步规划算法；研究如何与外部工具或知识库交互，以扩展 Agent 的能力边界并提升其在真实环境中的自动化决策表现。\n1）熟悉强化学习领域常用算法及理论基础（如 DQN、Policy Gradient、PPO、GRPO 等。\n2）熟练掌握至少一门编程语言（如 Python、Java），熟悉 Linux 环境。\n3）具备深度学习框架（如 PyTorch、TensorFlow）实际项目经验；了解大模型或分布式训练框架（Megatron、DeepSpeed 等）者优先。\n4）对大模型在 Agent 规划、推理中的作用有浓厚兴趣，对 LLM + RL 的前沿研究有基本认识。\n5）具备良好的问题分析和解决能力，对新技术保持学习和探索的热情。\n加分项：\n1）在 NeurIPS、ICLR、ICML、ACL、EMNLP 等相关领域高水平期刊/会议发表论文或在有影响力的开源项目中做出核心贡献。\n2）在多 Agent、层级强化学习或多模态融合等领域有深入研究或项目经验者优先。\n3）具备 General Agent 使用经验（如 OpenAI Operator、Manus AI 等）者优先。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}