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": "【北斗实习】大模型应用算法工程师-【Reasoning能力提升】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"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": "",
"degree": "海内外高校在校本科生（大三及以上）、硕士生及博士生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【课题说明】\n通用模型往往难以兼顾多样化的场景需求，容易出现泛化能力强但针对性不足的问题。针对这一挑战，本课题聚焦于研究面向具体业务或应用场景的强化学习训练优化策略，通过引入场景特定的奖励函数、环境建模和数据采样机制，提升模型在特定任务下的表现能力与适应性。课题重点突破模型在细粒度场景下的泛化能力不足、奖励稀疏、训练效率低等问题，为大模型的行业落地提供有力支撑。\n【建议研究方向】\n1.场景特定奖励设计：针对不同业务场景，定制化设计奖励函数，提升模型在目标任务中的表现能力。\n2.环境模拟与数据生成：构建高保真场景模拟环境，开发高效的数据采样与生成机制，提升强化学习训练效率。\n3.迁移与泛化能力增强：研究多场景迁移学习与元强化学习方法，提升模型从通用能力到场景定制能力的转化效率。\n4.推理增强型RAG系统：基于图结构的知识融合、混合模型的协同推理架构和强化学习驱动的优化方法，进一步提升RAG系统能力。\n5.基于价值观约束的大模型风险控制与安全防护。",
"requirements_text": "海内外高校在校本科生（大三及以上）、硕士生及博士生，且以下条件至少满足一项：\n1）超级学霸：专业成绩排名前1%。\n2）学术达人：在顶级期刊或学术会议上以第一作者身份发表论文（或导师一作，自己为二作）。\n3）竞赛大神：在顶级大赛上获奖。\n4）工程高手：有大厂实验室的实习经验，或有贡献突出的开源项目。",
"skills": [AI生成
"强化学习",
"建模",
"大语言模型"
],
"preferred_qualifications": "未披露",
"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=3394933538&jobShareType=1"
}
]
},
"posting": {
"posting_id": "3394933538",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3394933538&jobShareType=1"
},
"fulltext": "【北斗实习】大模型应用算法工程师-【Reasoning能力提升】\n【北斗实习】大模型应用算法工程师-【Reasoning能力提升】\n\n基础信息\n工作地点：北京市\n职位类别：技术类\n职位族群：算法\n更新时间：2025-05-27\n\n岗位职责\n【课题说明】\n通用模型往往难以兼顾多样化的场景需求，容易出现泛化能力强但针对性不足的问题。针对这一挑战，本课题聚焦于研究面向具体业务或应用场景的强化学习训练优化策略，通过引入场景特定的奖励函数、环境建模和数据采样机制，提升模型在特定任务下的表现能力与适应性。课题重点突破模型在细粒度场景下的泛化能力不足、奖励稀疏、训练效率低等问题，为大模型的行业落地提供有力支撑。\n【建议研究方向】\n1.场景特定奖励设计：针对不同业务场景，定制化设计奖励函数，提升模型在目标任务中的表现能力。\n2.环境模拟与数据生成：构建高保真场景模拟环境，开发高效的数据采样与生成机制，提升强化学习训练效率。\n3.迁移与泛化能力增强：研究多场景迁移学习与元强化学习方法，提升模型从通用能力到场景定制能力的转化效率。\n4.推理增强型RAG系统：基于图结构的知识融合、混合模型的协同推理架构和强化学习驱动的优化方法，进一步提升RAG系统能力。\n5.基于价值观约束的大模型风险控制与安全防护。\n\n岗位基本要求\n海内外高校在校本科生（大三及以上）、硕士生及博士生，且以下条件至少满足一项：\n1）超级学霸：专业成绩排名前1%。\n2）学术达人：在顶级期刊或学术会议上以第一作者身份发表论文（或导师一作，自己为二作）。\n3）竞赛大神：在顶级大赛上获奖。\n4）工程高手：有大厂实验室的实习经验，或有贡献突出的开源项目。\n【课题说明】\n通用模型往往难以兼顾多样化的场景需求，容易出现泛化能力强但针对性不足的问题。针对这一挑战，本课题聚焦于研究面向具体业务或应用场景的强化学习训练优化策略，通过引入场景特定的奖励函数、环境建模和数据采样机制，提升模型在特定任务下的表现能力与适应性。课题重点突破模型在细粒度场景下的泛化能力不足、奖励稀疏、训练效率低等问题，为大模型的行业落地提供有力支撑。\n【建议研究方向】\n1.场景特定奖励设计：针对不同业务场景，定制化设计奖励函数，提升模型在目标任务中的表现能力。\n2.环境模拟与数据生成：构建高保真场景模拟环境，开发高效的数据采样与生成机制，提升强化学习训练效率。\n3.迁移与泛化能力增强：研究多场景迁移学习与元强化学习方法，提升模型从通用能力到场景定制能力的转化效率。\n4.推理增强型RAG系统：基于图结构的知识融合、混合模型的协同推理架构和强化学习驱动的优化方法，进一步提升RAG系统能力。\n5.基于价值观约束的大模型风险控制与安全防护。\n海内外高校在校本科生（大三及以上）、硕士生及博士生，且以下条件至少满足一项：\n1）超级学霸：专业成绩排名前1%。\n2）学术达人：在顶级期刊或学术会议上以第一作者身份发表论文（或导师一作，自己为二作）。\n3）竞赛大神：在顶级大赛上获奖。\n4）工程高手：有大厂实验室的实习经验，或有贡献突出的开源项目。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}