主分类：未分类
待分类
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": "预测/决策/大模型应用算法工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "软硬件服务-软件研发部",
"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": "数学、统计、运筹学、计算机或相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 主导团队内算法体系的从 0 到 1 建设，深度参与广告策略、营销增长、供应链智能预测、大模型应用等 AI 方向的整体架构设计与技术路线制定，推动算法能力成为业务核心竞争力；\n\n\n2. 基于海量用户行为数据与多源业务信号，综合运用机器学习、深度学习、强化学习、博弈策略、因果推断等前沿技术，构建预测及排序场景全链路算法体系；在向量化召回、CTR/CVR 模型预估、LTR、多目标排序等方向持续突破，模型能力对标业界前沿，全面提升营收及用户体验；\n\n\n3. 建设端到端的供应链智能决策体系：融合时序深度学习（DeepAR、TFT、N-BEATS 等）、图神经网络、因果建模与异常检测技术，精准刻画节假日效应、促销扰动、 热点活动、外部冲击等复杂场景下的需求规律，显著提升预测精度；并在此基础上构建库存优化与调度的联合决策模型，实现供应链全链路的降本增效；\n\n\n4. 深度推进 LLM 大模型技术在业务场景的工程化落地：通过高质量数据工程与 SFT/RLHF/DPO 等对齐技术，打造适配业务垂域的专属模型能力；构建生产级 RAG 系统，融合向量检索、稀疏检索、Reranker 重排序及动态知识更新机制；设计并实现企业级 Multi-Agent 协作框架，涵盖工具调用、动态任务规划、长期记忆管理与多步推理，落地自动化决策及代操作场景；\n\n\n5. 结合业务全局视角，设计跨场景的多目标优化策略，主导 AB 实验体系建设，支撑算法策略的高效迭代与科学度量；与产品、工程、数据、运营等团队深度协作，将算法价值快速转化为业务增长，沉淀私域知识及 Agent 工作流，构建数字员工实践 AI at work 提效。",
"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，具备扎实的概率统计、最优化理论与数学建模能力；在机器学习、深度学习、搜索推荐、计算广告、因果推断、供应链预测或大模型应用等其一方向有深厚积累，能够独自完成从问题定义、算法设计、实验验证到效果度量的完整研发闭环；有顶会论文（KDD/NeurIPS/ICML/WWW 等）或业界落地案例者优先；\n\n2. 工程实现能力：熟练掌握 Python、Java 或 Scala 等主流编程语言；具备扎实的数据结构与算法基础，能高效使用 AI IDE 工具及应用 Spec Coding 等范式；了解模型训练、推理优化（量化、蒸馏）及在线服务部署的完整流程；\n\n\n3. 大数据处理能力：有处理 TB/PB 级数据集的实战经验，熟悉 Hadoop、Spark、Flink 等大数据技术栈；具备特征工程、样本构建与数据质量治理的完整能力；\n\n\n4. 大模型应用能力：具备 LLM 微调（SFT/RLHF/DPO）与模型评估经验；有生产级 RAG 系统（向量数据库、混合检索、Reranker）构建经验；熟悉主流 Agent 开发框架（LangChain / AutoGen / LlamaIndex / CrewAI 等）；了解 Context Engineering、Harness Engineering等工程实践；\n\n\n5. 业务与数据分析能力：具备较强的业务理解力与数据敏感度，能够通过数据分析快速定位问题、提炼业务洞察，并将业务目标有效转化为可量化的算法优化方向；熟悉 AB 实验设计与因果效果评估方法；\n\n\n6. 具备出色的问题洞察与跨团队推动能力，能够在业务复杂性与技术创新之间找到最优路径；乐于在高速成长的业务环境中持续学习，与团队共同成就。",
"skills": [AI生成
"Python",
"Java",
"Scala",
"Spark",
"Hadoop",
"Flink",
"机器学习",
"深度学习",
"数据结构",
"算法设计",
"数据库",
"数据分析",
"模型训练",
"分析能力",
"建模",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "有顶会论文（KDD/NeurIPS/ICML/WWW 等）或业界落地案例者优先",
"job_highlights": "1. 全面参与广告、营销增长、供应链、大模型多个方向的算法体系建设，在高速增长的业务场景中积累跨领域的系统性技术实践；\n\n\n2. 能塑造大模型 AI Agent 完整落地经验，主导参与从数据构建、模型微调、RAG 工程到 Multi-Agent 编排的完整 AI 应用链路，积累市场稀缺的大模型产业落地经验；\n\n\n3. 真实业务挑战，在海量用户规模、多元业务场景下解决有真实商业价值的算法难题，每一项技术突破都直接反映在业务核心指标上；\n\n\n4. 团队与成长，技术氛围浓厚、学术与工程并重，跟随业务高速发展获得"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4020432507&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4020432507",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4020432507&jobShareType=1"
},
"fulltext": "预测/决策/大模型应用算法工程师\n预测/决策/大模型应用算法工程师\n\n基础信息\n工作地点：北京市\n部门：软硬件服务-软件研发部\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. 主导团队内算法体系的从 0 到 1 建设，深度参与广告策略、营销增长、供应链智能预测、大模型应用等 AI 方向的整体架构设计与技术路线制定，推动算法能力成为业务核心竞争力；\n\n\n2. 基于海量用户行为数据与多源业务信号，综合运用机器学习、深度学习、强化学习、博弈策略、因果推断等前沿技术，构建预测及排序场景全链路算法体系；在向量化召回、CTR/CVR 模型预估、LTR、多目标排序等方向持续突破，模型能力对标业界前沿，全面提升营收及用户体验；\n\n\n3. 建设端到端的供应链智能决策体系：融合时序深度学习（DeepAR、TFT、N-BEATS 等）、图神经网络、因果建模与异常检测技术，精准刻画节假日效应、促销扰动、 热点活动、外部冲击等复杂场景下的需求规律，显著提升预测精度；并在此基础上构建库存优化与调度的联合决策模型，实现供应链全链路的降本增效；\n\n\n4. 深度推进 LLM 大模型技术在业务场景的工程化落地：通过高质量数据工程与 SFT/RLHF/DPO 等对齐技术，打造适配业务垂域的专属模型能力；构建生产级 RAG 系统，融合向量检索、稀疏检索、Reranker 重排序及动态知识更新机制；设计并实现企业级 Multi-Agent 协作框架，涵盖工具调用、动态任务规划、长期记忆管理与多步推理，落地自动化决策及代操作场景；\n\n\n5. 结合业务全局视角，设计跨场景的多目标优化策略，主导 AB 实验体系建设，支撑算法策略的高效迭代与科学度量；与产品、工程、数据、运营等团队深度协作，将算法价值快速转化为业务增长，沉淀私域知识及 Agent 工作流，构建数字员工实践 AI at work 提效。\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，具备扎实的概率统计、最优化理论与数学建模能力；在机器学习、深度学习、搜索推荐、计算广告、因果推断、供应链预测或大模型应用等其一方向有深厚积累，能够独自完成从问题定义、算法设计、实验验证到效果度量的完整研发闭环；有顶会论文（KDD/NeurIPS/ICML/WWW 等）或业界落地案例者优先；\n\n2. 工程实现能力：熟练掌握 Python、Java 或 Scala 等主流编程语言；具备扎实的数据结构与算法基础，能高效使用 AI IDE 工具及应用 Spec Coding 等范式；了解模型训练、推理优化（量化、蒸馏）及在线服务部署的完整流程；\n\n\n3. 大数据处理能力：有处理 TB/PB 级数据集的实战经验，熟悉 Hadoop、Spark、Flink 等大数据技术栈；具备特征工程、样本构建与数据质量治理的完整能力；\n\n\n4. 大模型应用能力：具备 LLM 微调（SFT/RLHF/DPO）与模型评估经验；有生产级 RAG 系统（向量数据库、混合检索、Reranker）构建经验；熟悉主流 Agent 开发框架（LangChain / AutoGen / LlamaIndex / CrewAI 等）；了解 Context Engineering、Harness Engineering等工程实践；\n\n\n5. 业务与数据分析能力：具备较强的业务理解力与数据敏感度，能够通过数据分析快速定位问题、提炼业务洞察，并将业务目标有效转化为可量化的算法优化方向；熟悉 AB 实验设计与因果效果评估方法；\n\n\n6. 具备出色的问题洞察与跨团队推动能力，能够在业务复杂性与技术创新之间找到最优路径；乐于在高速成长的业务环境中持续学习，与团队共同成就。\n\n岗位亮点\n1. 全面参与广告、营销增长、供应链、大模型多个方向的算法体系建设，在高速增长的业务场景中积累跨领域的系统性技术实践；\n\n\n2. 能塑造大模型 AI Agent 完整落地经验，主导参与从数据构建、模型微调、RAG 工程到 Multi-Agent 编排的完整 AI 应用链路，积累市场稀缺的大模型产业落地经验；\n\n\n3. 真实业务挑战，在海量用户规模、多元业务场景下解决有真实商业价值的算法难题，每一项技术突破都直接反映在业务核心指标上；\n\n\n4. 团队与成长，技术氛围浓厚、学术与工程并重，跟随业务高速发展获得快速成长，有机会成长为兼具业务视野与技术深度的复合型算法专家。\n1. 主导团队内算法体系的从 0 到 1 建设，深度参与广告策略、营销增长、供应链智能预测、大模型应用等 AI 方向的整体架构设计与技术路线制定，推动算法能力成为业务核心竞争力；\n\n\n2. 基于海量用户行为数据与多源业务信号，综合运用机器学习、深度学习、强化学习、博弈策略、因果推断等前沿技术，构建预测及排序场景全链路算法体系；在向量化召回、CTR/CVR 模型预估、LTR、多目标排序等方向持续突破，模型能力对标业界前沿，全面提升营收及用户体验；\n\n\n3. 建设端到端的供应链智能决策体系：融合时序深度学习（DeepAR、TFT、N-BEATS 等）、图神经网络、因果建模与异常检测技术，精准刻画节假日效应、促销扰动、 热点活动、外部冲击等复杂场景下的需求规律，显著提升预测精度；并在此基础上构建库存优化与调度的联合决策模型，实现供应链全链路的降本增效；\n\n\n4. 深度推进 LLM 大模型技术在业务场景的工程化落地：通过高质量数据工程与 SFT/RLHF/DPO 等对齐技术，打造适配业务垂域的专属模型能力；构建生产级 RAG 系统，融合向量检索、稀疏检索、Reranker 重排序及动态知识更新机制；设计并实现企业级 Multi-Agent 协作框架，涵盖工具调用、动态任务规划、长期记忆管理与多步推理，落地自动化决策及代操作场景；\n\n\n5. 结合业务全局视角，设计跨场景的多目标优化策略，主导 AB 实验体系建设，支撑算法策略的高效迭代与科学度量；与产品、工程、数据、运营等团队深度协作，将算法价值快速转化为业务增长，沉淀私域知识及 Agent 工作流，构建数字员工实践 AI at work 提效。\n1. 数学、统计、运筹学、计算机或相关专业硕士及以上学历，具备扎实的概率统计、最优化理论与数学建模能力；在机器学习、深度学习、搜索推荐、计算广告、因果推断、供应链预测或大模型应用等其一方向有深厚积累，能够独自完成从问题定义、算法设计、实验验证到效果度量的完整研发闭环；有顶会论文（KDD/NeurIPS/ICML/WWW 等）或业界落地案例者优先；\n\n2. 工程实现能力：熟练掌握 Python、Java 或 Scala 等主流编程语言；具备扎实的数据结构与算法基础，能高效使用 AI IDE 工具及应用 Spec Coding 等范式；了解模型训练、推理优化（量化、蒸馏）及在线服务部署的完整流程；\n\n\n3. 大数据处理能力：有处理 TB/PB 级数据集的实战经验，熟悉 Hadoop、Spark、Flink 等大数据技术栈；具备特征工程、样本构建与数据质量治理的完整能力；\n\n\n4. 大模型应用能力：具备 LLM 微调（SFT/RLHF/DPO）与模型评估经验；有生产级 RAG 系统（向量数据库、混合检索、Reranker）构建经验；熟悉主流 Agent 开发框架（LangChain / AutoGen / LlamaIndex / CrewAI 等）；了解 Context Engineering、Harness Engineering等工程实践；\n\n\n5. 业务与数据分析能力：具备较强的业务理解力与数据敏感度，能够通过数据分析快速定位问题、提炼业务洞察，并将业务目标有效转化为可量化的算法优化方向；熟悉 AB 实验设计与因果效果评估方法；\n\n\n6. 具备出色的问题洞察与跨团队推动能力，能够在业务复杂性与技术创新之间找到最优路径；乐于在高速成长的业务环境中持续学习，与团队共同成就。",
"standard_classification": {
"std_category_code": null,
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": null
}
}