主分类：搜索推荐与业务决策算法研发
辅助：Agent系统开发（仅展示）
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": "履约技术-AutoResearch 策略算法工程师",
"job_level": "未披露",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": 2,
"degree": "硕士研究生及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "美团即时配送构建了覆盖全国数百个城市、服务百万级骑手的实时配送网络，并打造了高度自动化与智能化的实时决策系统，该业务场景具有超大规模、实时性要求高（秒级决策）、不确定性强（出餐、交付、行驶、供需）、动态性极高（未来需求结构不确定）等技术复杂性。\n本团队聚焦即时配送履约链路上的核心策略算法建设，覆盖调度匹配、骑手定价、用户营销与时间预估四大方向，综合运用运筹优化、因果推断、机器学习、强化学习以及大模型 Agent 等技术，持续优化配送效率、用户体验与骑手体验。团队汇聚运筹优化、因果推断、机器学习和大模型 Agent 等不同背景的技术人才，具备丰富的业务实战及将AutoResearch应用落地经验，近年已有部分成果发表于 KDD、NeurIPS、ICML、CIKM 等学术会议。\n\n1、策略算法建模与优化：负责即时配送履约链路上调度匹配、骑手定价、用户营销与时间预估（ETA）等核心策略模型的研发与持续迭代。综合运用组合优化、机器学习、强化学习、因果推断等技术，针对即时配送场景的超大规模、强不确定性、高动态性等特点进行建模与优化；推动预测模型与决策模型的深度耦合，探索端到端优化范式，打通特征工程、模型调优到 A/B 实验部署的全链路，将模型精度优化有效转化为可量化的业务收益。\n2、业务洞察与技术探索：深入理解即时配送业务全链路，洞察业务发展中的关键瓶颈，精准定位问题并制定针对性的算法优化方向；从平台视角出发，综合平衡交易、履约、骑手、用户、商家各方诉求，制定建模目标；与产品、运营、工程团队紧密协作，推动策略方案落地并持续迭代，探索履约新模式、定价及营销新玩法，提升策略优化天花板。\n3、AI Agent 与AutoResearch自动化算法研究：研究并实现基于多 Agent 协作的自动化算法研发框架，探索 LLM 在研究规划、实验假设生成、复杂任务分解、工具使用、代码生成与执行、指标分析与策略复盘等自主科研全链路上的能力边界。建设 Agent harness，构建算法知识库与记忆系统，优化长程任务的上下文组织与记忆管理，提升模型在复杂研究任务中的稳定性。在调度、定价、营销等真实业务场景上验证 AutoResearch 范式，将策略算法能力封装为 Agent 可调用工具，推动运营与策略体系从\"人工分析配置\"向\"Agent 自主诊断、规划、决策与执行\"演进。",
"requirements_text": "1、在机器学习、数据挖掘、运筹优化或因果推断方向有深入理解与落地经验，在广告推荐、营销补贴、人单匹配、智能定价、资源分配、需求预估、时空建模、强化学习等至少一个方向有实际项目经验。\n2、熟悉大语言模型及 Agent 基本机制，具备独立构建和落地 Agent 系统的实践经验，能引导 LLM Agent 完成复杂研究任务及工程实现，具备识别 AI 输出质量问题的技术判断力。\n3、在复杂业务场景的策略研发与优化方面具备2年及以上经验，具备外卖、物流、电商、出行等相关领域业务背景者更佳。\n4、具备优秀的业务洞察与问题定义能力，能够将模糊的研究目标拆解为可验证的实验假设，定对指标、选好方向，将复杂业务问题转化为可落地的算法方案，并推动取得可量化的业务收益。\n5、有自驱力和优秀的学习能力，能在开放性问题中主动推进，在不完美条件下快速验证假设，动手能力和执行能力强。\n6、计算机、人工智能、运筹学、工业工程、自动化、应用数学、统计学等相关专业，硕士研究生及以上学历，具备扎实的算法基础与系统开发能力。",
"skills": [AI生成
"机器学习",
"强化学习",
"数据挖掘",
"学习能力",
"建模",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "1、场景丰富，技术栈完整，业务影响力与技术深度并重：负责覆盖全国数百个城市核心策略算法建设，优化强实时、强不确定性、高动态性问题的典型场景，覆盖调度匹配、骑手定价、用户营销与时间预估四大方向，涵盖运筹优化、因果推断、机器学习、强化学习到大模型 Agent 的技术谱系，直接影响配送的效率与体验等核心业务指标，业务影响力与技术深度并重。\n2、真实战场，探索下一代策略范式：参与即时配送中实时决策问题研究，通过 Agent 将业务知识、运营流程与决策算法有机连接，推动策略体系从人工分析配置向自主诊断、规划与执行升"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4136806799&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4136806799",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4136806799&jobShareType=1"
},
"fulltext": "履约技术-AutoResearch 策略算法工程师\n履约技术-AutoResearch 策略算法工程师\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：2026-08-11\n\n岗位职责\n美团即时配送构建了覆盖全国数百个城市、服务百万级骑手的实时配送网络，并打造了高度自动化与智能化的实时决策系统，该业务场景具有超大规模、实时性要求高（秒级决策）、不确定性强（出餐、交付、行驶、供需）、动态性极高（未来需求结构不确定）等技术复杂性。\n本团队聚焦即时配送履约链路上的核心策略算法建设，覆盖调度匹配、骑手定价、用户营销与时间预估四大方向，综合运用运筹优化、因果推断、机器学习、强化学习以及大模型 Agent 等技术，持续优化配送效率、用户体验与骑手体验。团队汇聚运筹优化、因果推断、机器学习和大模型 Agent 等不同背景的技术人才，具备丰富的业务实战及将AutoResearch应用落地经验，近年已有部分成果发表于 KDD、NeurIPS、ICML、CIKM 等学术会议。\n\n1、策略算法建模与优化：负责即时配送履约链路上调度匹配、骑手定价、用户营销与时间预估（ETA）等核心策略模型的研发与持续迭代。综合运用组合优化、机器学习、强化学习、因果推断等技术，针对即时配送场景的超大规模、强不确定性、高动态性等特点进行建模与优化；推动预测模型与决策模型的深度耦合，探索端到端优化范式，打通特征工程、模型调优到 A/B 实验部署的全链路，将模型精度优化有效转化为可量化的业务收益。\n2、业务洞察与技术探索：深入理解即时配送业务全链路，洞察业务发展中的关键瓶颈，精准定位问题并制定针对性的算法优化方向；从平台视角出发，综合平衡交易、履约、骑手、用户、商家各方诉求，制定建模目标；与产品、运营、工程团队紧密协作，推动策略方案落地并持续迭代，探索履约新模式、定价及营销新玩法，提升策略优化天花板。\n3、AI Agent 与AutoResearch自动化算法研究：研究并实现基于多 Agent 协作的自动化算法研发框架，探索 LLM 在研究规划、实验假设生成、复杂任务分解、工具使用、代码生成与执行、指标分析与策略复盘等自主科研全链路上的能力边界。建设 Agent harness，构建算法知识库与记忆系统，优化长程任务的上下文组织与记忆管理，提升模型在复杂研究任务中的稳定性。在调度、定价、营销等真实业务场景上验证 AutoResearch 范式，将策略算法能力封装为 Agent 可调用工具，推动运营与策略体系从\"人工分析配置\"向\"Agent 自主诊断、规划、决策与执行\"演进。\n\n岗位基本要求\n1、在机器学习、数据挖掘、运筹优化或因果推断方向有深入理解与落地经验，在广告推荐、营销补贴、人单匹配、智能定价、资源分配、需求预估、时空建模、强化学习等至少一个方向有实际项目经验。\n2、熟悉大语言模型及 Agent 基本机制，具备独立构建和落地 Agent 系统的实践经验，能引导 LLM Agent 完成复杂研究任务及工程实现，具备识别 AI 输出质量问题的技术判断力。\n3、在复杂业务场景的策略研发与优化方面具备2年及以上经验，具备外卖、物流、电商、出行等相关领域业务背景者更佳。\n4、具备优秀的业务洞察与问题定义能力，能够将模糊的研究目标拆解为可验证的实验假设，定对指标、选好方向，将复杂业务问题转化为可落地的算法方案，并推动取得可量化的业务收益。\n5、有自驱力和优秀的学习能力，能在开放性问题中主动推进，在不完美条件下快速验证假设，动手能力和执行能力强。\n6、计算机、人工智能、运筹学、工业工程、自动化、应用数学、统计学等相关专业，硕士研究生及以上学历，具备扎实的算法基础与系统开发能力。\n\n岗位亮点\n1、场景丰富，技术栈完整，业务影响力与技术深度并重：负责覆盖全国数百个城市核心策略算法建设，优化强实时、强不确定性、高动态性问题的典型场景，覆盖调度匹配、骑手定价、用户营销与时间预估四大方向，涵盖运筹优化、因果推断、机器学习、强化学习到大模型 Agent 的技术谱系，直接影响配送的效率与体验等核心业务指标，业务影响力与技术深度并重。\n2、真实战场，探索下一代策略范式：参与即时配送中实时决策问题研究，通过 Agent 将业务知识、运营流程与决策算法有机连接，推动策略体系从人工分析配置向自主诊断、规划与执行升级，参与颠覆传统物流技术体系的创新实践。\n美团即时配送构建了覆盖全国数百个城市、服务百万级骑手的实时配送网络，并打造了高度自动化与智能化的实时决策系统，该业务场景具有超大规模、实时性要求高（秒级决策）、不确定性强（出餐、交付、行驶、供需）、动态性极高（未来需求结构不确定）等技术复杂性。\n本团队聚焦即时配送履约链路上的核心策略算法建设，覆盖调度匹配、骑手定价、用户营销与时间预估四大方向，综合运用运筹优化、因果推断、机器学习、强化学习以及大模型 Agent 等技术，持续优化配送效率、用户体验与骑手体验。团队汇聚运筹优化、因果推断、机器学习和大模型 Agent 等不同背景的技术人才，具备丰富的业务实战及将AutoResearch应用落地经验，近年已有部分成果发表于 KDD、NeurIPS、ICML、CIKM 等学术会议。\n\n1、策略算法建模与优化：负责即时配送履约链路上调度匹配、骑手定价、用户营销与时间预估（ETA）等核心策略模型的研发与持续迭代。综合运用组合优化、机器学习、强化学习、因果推断等技术，针对即时配送场景的超大规模、强不确定性、高动态性等特点进行建模与优化；推动预测模型与决策模型的深度耦合，探索端到端优化范式，打通特征工程、模型调优到 A/B 实验部署的全链路，将模型精度优化有效转化为可量化的业务收益。\n2、业务洞察与技术探索：深入理解即时配送业务全链路，洞察业务发展中的关键瓶颈，精准定位问题并制定针对性的算法优化方向；从平台视角出发，综合平衡交易、履约、骑手、用户、商家各方诉求，制定建模目标；与产品、运营、工程团队紧密协作，推动策略方案落地并持续迭代，探索履约新模式、定价及营销新玩法，提升策略优化天花板。\n3、AI Agent 与AutoResearch自动化算法研究：研究并实现基于多 Agent 协作的自动化算法研发框架，探索 LLM 在研究规划、实验假设生成、复杂任务分解、工具使用、代码生成与执行、指标分析与策略复盘等自主科研全链路上的能力边界。建设 Agent harness，构建算法知识库与记忆系统，优化长程任务的上下文组织与记忆管理，提升模型在复杂研究任务中的稳定性。在调度、定价、营销等真实业务场景上验证 AutoResearch 范式，将策略算法能力封装为 Agent 可调用工具，推动运营与策略体系从\"人工分析配置\"向\"Agent 自主诊断、规划、决策与执行\"演进。\n1、在机器学习、数据挖掘、运筹优化或因果推断方向有深入理解与落地经验，在广告推荐、营销补贴、人单匹配、智能定价、资源分配、需求预估、时空建模、强化学习等至少一个方向有实际项目经验。\n2、熟悉大语言模型及 Agent 基本机制，具备独立构建和落地 Agent 系统的实践经验，能引导 LLM Agent 完成复杂研究任务及工程实现，具备识别 AI 输出质量问题的技术判断力。\n3、在复杂业务场景的策略研发与优化方面具备2年及以上经验，具备外卖、物流、电商、出行等相关领域业务背景者更佳。\n4、具备优秀的业务洞察与问题定义能力，能够将模糊的研究目标拆解为可验证的实验假设，定对指标、选好方向，将复杂业务问题转化为可落地的算法方案，并推动取得可量化的业务收益。\n5、有自驱力和优秀的学习能力，能在开放性问题中主动推进，在不完美条件下快速验证假设，动手能力和执行能力强。\n6、计算机、人工智能、运筹学、工业工程、自动化、应用数学、统计学等相关专业，硕士研究生及以上学历，具备扎实的算法基础与系统开发能力。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}