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】广告大模型应用算法工程师-【广告预估基座模型】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "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": "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": "基于用户决策快照的广告预估基座模型 \n【课题说明】\n打造以用户决策过程为核心的下一代广告预估基座模型。课题目标是在美团全域业务（外卖 / 到店 / 酒旅 / 团购等）中，构建一个用于预估任务的「用户决策大模型」，通过拟合用户历史决策时刻的全部上下文信息，学习用户偏好，预测用户下一个时刻的曝光 → 点击 → 浏览 → 加购 → 下单 → 到店 → 评论的全链路多状态、多路径概率。\n【建议研究方向】 \n1.多模态决策场景重建：构建「全域行为快照生成器」，将用户的行为序列，转换为用户每一次决策时刻的多模态、高信息密度的「决策快照」。 \n2.用户决策基座模型：依托「全域行为快照」，预训练一个统一的用户决策基座模型，在给定任意「场景 prompt + 候选 item/店铺」时，能输出用户下一步行为的多任务、多状态概率。 \n3.决策策略对齐：探索该模型在各个场景上进行轻量微调与部署的方案，实现场景级定制。",
"requirements_text": "【任职要求】 \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。",
"skills": [AI生成
"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=4177311305&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4177311305",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4177311305&jobShareType=1"
},
"fulltext": "【北斗实习】广告大模型应用算法工程师-【广告预估基座模型】\n【北斗实习】广告大模型应用算法工程师-【广告预估基座模型】\n\n基础信息\n工作地点：上海市\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基于用户决策快照的广告预估基座模型 \n【课题说明】\n打造以用户决策过程为核心的下一代广告预估基座模型。课题目标是在美团全域业务（外卖 / 到店 / 酒旅 / 团购等）中，构建一个用于预估任务的「用户决策大模型」，通过拟合用户历史决策时刻的全部上下文信息，学习用户偏好，预测用户下一个时刻的曝光 → 点击 → 浏览 → 加购 → 下单 → 到店 → 评论的全链路多状态、多路径概率。\n【建议研究方向】 \n1.多模态决策场景重建：构建「全域行为快照生成器」，将用户的行为序列，转换为用户每一次决策时刻的多模态、高信息密度的「决策快照」。 \n2.用户决策基座模型：依托「全域行为快照」，预训练一个统一的用户决策基座模型，在给定任意「场景 prompt + 候选 item/店铺」时，能输出用户下一步行为的多任务、多状态概率。 \n3.决策策略对齐：探索该模型在各个场景上进行轻量微调与部署的方案，实现场景级定制。\n\n岗位基本要求\n【任职要求】 \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基于用户决策快照的广告预估基座模型 \n【课题说明】\n打造以用户决策过程为核心的下一代广告预估基座模型。课题目标是在美团全域业务（外卖 / 到店 / 酒旅 / 团购等）中，构建一个用于预估任务的「用户决策大模型」，通过拟合用户历史决策时刻的全部上下文信息，学习用户偏好，预测用户下一个时刻的曝光 → 点击 → 浏览 → 加购 → 下单 → 到店 → 评论的全链路多状态、多路径概率。\n【建议研究方向】 \n1.多模态决策场景重建：构建「全域行为快照生成器」，将用户的行为序列，转换为用户每一次决策时刻的多模态、高信息密度的「决策快照」。 \n2.用户决策基座模型：依托「全域行为快照」，预训练一个统一的用户决策基座模型，在给定任意「场景 prompt + 候选 item/店铺」时，能输出用户下一步行为的多任务、多状态概率。 \n3.决策策略对齐：探索该模型在各个场景上进行轻量微调与部署的方案，实现场景级定制。\n【任职要求】 \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。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}