主分类：搜索推荐与业务决策算法研发
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 -【搜索系统】",
"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": "海内外高校计算机、人工智能、数学等相关专业 硕士或博士在读（2027年6月前毕业优先）",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【课题说明】 \n构建面向美团本地多业务场景的搜索系统，探索基于LLM的下一代本地生活服务搜索系统。通过探索LLM在搜索的意图理解、相关性建模、生成式召回、展示素材和样式的应用，提升搜索系统端到端的体验、匹配效率。\n【建议研究方向】\n1.基于LLM的轻量级搜索相关性模型\n参与设计和实现基于LLM的可解释、可蒸馏、低延迟的大模型相关性判别器，提升搜索的体验。\n2.多业务多目标混排机制\n参与设计多业务多目标混排机制，实现多业务混合排序架构，融合多业务多目标排序，实现全局最优。\n3.基于Transformer架构的高稠密精排模型\n探索融合全域样本、多业务全域特征，基于Transformer和MOE构建多业务全域统一基础模型，在Data scaling的基础上持续摸高模型稠密化Scaling up。\n4.多模态建模展示素材与创意\n探索搜索场景下的创意素材展示策略，基于多模态内容理解表征建模、在线多目标创意素材排序建模，提升搜索的展示体验与效率。",
"requirements_text": "1.海内外高校计算机、人工智能、数学等相关专业 硕士或博士在读（2027年6月前毕业优先）。\n2.扎实的机器学习/深度学习基础，熟悉 Transformer、BERT、LLM 原理。\n3.热爱搜索、LLM，有技术热情，相信技术改造世界。\n4.有较强的编程能力，有大厂实验室的实习经验，或有贡献突出的开源项目，或在在顶级大赛上获奖经历。\n\n5、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）优先",
"skills": [AI生成
"机器学习",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "1.海内外高校计算机、人工智能、数学等相关专业 硕士或博士在读（2027年6月前毕业优先）；5、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）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=4177302566&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4177302566",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4177302566&jobShareType=1"
},
"fulltext": "【北斗实习】大模型应用算法工程师 -【搜索系统】\n【北斗实习】大模型应用算法工程师 -【搜索系统】\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：2026-02-06\n\n岗位职责\n【课题说明】 \n构建面向美团本地多业务场景的搜索系统，探索基于LLM的下一代本地生活服务搜索系统。通过探索LLM在搜索的意图理解、相关性建模、生成式召回、展示素材和样式的应用，提升搜索系统端到端的体验、匹配效率。\n【建议研究方向】\n1.基于LLM的轻量级搜索相关性模型\n参与设计和实现基于LLM的可解释、可蒸馏、低延迟的大模型相关性判别器，提升搜索的体验。\n2.多业务多目标混排机制\n参与设计多业务多目标混排机制，实现多业务混合排序架构，融合多业务多目标排序，实现全局最优。\n3.基于Transformer架构的高稠密精排模型\n探索融合全域样本、多业务全域特征，基于Transformer和MOE构建多业务全域统一基础模型，在Data scaling的基础上持续摸高模型稠密化Scaling up。\n4.多模态建模展示素材与创意\n探索搜索场景下的创意素材展示策略，基于多模态内容理解表征建模、在线多目标创意素材排序建模，提升搜索的展示体验与效率。\n\n岗位基本要求\n1.海内外高校计算机、人工智能、数学等相关专业 硕士或博士在读（2027年6月前毕业优先）。\n2.扎实的机器学习/深度学习基础，熟悉 Transformer、BERT、LLM 原理。\n3.热爱搜索、LLM，有技术热情，相信技术改造世界。\n4.有较强的编程能力，有大厂实验室的实习经验，或有贡献突出的开源项目，或在在顶级大赛上获奖经历。\n\n5、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）优先\n【课题说明】 \n构建面向美团本地多业务场景的搜索系统，探索基于LLM的下一代本地生活服务搜索系统。通过探索LLM在搜索的意图理解、相关性建模、生成式召回、展示素材和样式的应用，提升搜索系统端到端的体验、匹配效率。\n【建议研究方向】\n1.基于LLM的轻量级搜索相关性模型\n参与设计和实现基于LLM的可解释、可蒸馏、低延迟的大模型相关性判别器，提升搜索的体验。\n2.多业务多目标混排机制\n参与设计多业务多目标混排机制，实现多业务混合排序架构，融合多业务多目标排序，实现全局最优。\n3.基于Transformer架构的高稠密精排模型\n探索融合全域样本、多业务全域特征，基于Transformer和MOE构建多业务全域统一基础模型，在Data scaling的基础上持续摸高模型稠密化Scaling up。\n4.多模态建模展示素材与创意\n探索搜索场景下的创意素材展示策略，基于多模态内容理解表征建模、在线多目标创意素材排序建模，提升搜索的展示体验与效率。\n1.海内外高校计算机、人工智能、数学等相关专业 硕士或博士在读（2027年6月前毕业优先）。\n2.扎实的机器学习/深度学习基础，熟悉 Transformer、BERT、LLM 原理。\n3.热爱搜索、LLM，有技术热情，相信技术改造世界。\n4.有较强的编程能力，有大厂实验室的实习经验，或有贡献突出的开源项目，或在在顶级大赛上获奖经历。\n\n5、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）优先",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}