主分类：Agent系统开发
辅助：大模型与生成式算法研发（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": "【北斗实习】大模型应用算法研究员-Agent构建",
"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以大语言模型（LLM）的 Workflow 、 Agent、对话能力为核心，研究方向包括上下文管理、生成式推荐、Agent Skills、Post-Training、LLM+Decision、LLM +Causal 等。主要业务场景为探索 AI 在骑手运营场景下的落地实践，实现“技术驱动业务范式”的升级转变。\n【建议研究方向】\n1. Agent 工作流与规划：设计具有复杂规划（Planning）与工具调用能力的 Agent，实现任务的自动化拆解与执行。\n2. 生成式用户理解：基于 LLM 进行语义挖掘，构建动态用户画像（Persona），实现生成式的用户*运营策略的个性化推荐。\n3. 上下文与记忆管理：攻克长窗口（Long Context）难题，设计高效的记忆（Memory）与 RAG 机制，保障长周期交互的逻辑连贯。\n4. 行业大模型后训练：通过自动化样本生成、通用评估方案建设、reward设计与探索，大幅提升应用依赖的行业大模型质量。\n5. 决策科学融合：将Decision、Causal等传统决策技术与 LLM 推理结合，提升传统的决策智能表现。\n我们将提供海量的真实业务场景、充足的 GPU 计算资源和极高的探索自由度，目标是产出既有技术深度又能直接创造业务价值的未来 AI 应用范式。",
"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
"大语言模型",
"检索增强生成"
],
"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=4177333170&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4177333170",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4177333170&jobShareType=1"
},
"fulltext": "【北斗实习】大模型应用算法研究员-Agent构建\n【北斗实习】大模型应用算法研究员-Agent构建\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以大语言模型（LLM）的 Workflow 、 Agent、对话能力为核心，研究方向包括上下文管理、生成式推荐、Agent Skills、Post-Training、LLM+Decision、LLM +Causal 等。主要业务场景为探索 AI 在骑手运营场景下的落地实践，实现“技术驱动业务范式”的升级转变。\n【建议研究方向】\n1. Agent 工作流与规划：设计具有复杂规划（Planning）与工具调用能力的 Agent，实现任务的自动化拆解与执行。\n2. 生成式用户理解：基于 LLM 进行语义挖掘，构建动态用户画像（Persona），实现生成式的用户*运营策略的个性化推荐。\n3. 上下文与记忆管理：攻克长窗口（Long Context）难题，设计高效的记忆（Memory）与 RAG 机制，保障长周期交互的逻辑连贯。\n4. 行业大模型后训练：通过自动化样本生成、通用评估方案建设、reward设计与探索，大幅提升应用依赖的行业大模型质量。\n5. 决策科学融合：将Decision、Causal等传统决策技术与 LLM 推理结合，提升传统的决策智能表现。\n我们将提供海量的真实业务场景、充足的 GPU 计算资源和极高的探索自由度，目标是产出既有技术深度又能直接创造业务价值的未来 AI 应用范式。\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以大语言模型（LLM）的 Workflow 、 Agent、对话能力为核心，研究方向包括上下文管理、生成式推荐、Agent Skills、Post-Training、LLM+Decision、LLM +Causal 等。主要业务场景为探索 AI 在骑手运营场景下的落地实践，实现“技术驱动业务范式”的升级转变。\n【建议研究方向】\n1. Agent 工作流与规划：设计具有复杂规划（Planning）与工具调用能力的 Agent，实现任务的自动化拆解与执行。\n2. 生成式用户理解：基于 LLM 进行语义挖掘，构建动态用户画像（Persona），实现生成式的用户*运营策略的个性化推荐。\n3. 上下文与记忆管理：攻克长窗口（Long Context）难题，设计高效的记忆（Memory）与 RAG 机制，保障长周期交互的逻辑连贯。\n4. 行业大模型后训练：通过自动化样本生成、通用评估方案建设、reward设计与探索，大幅提升应用依赖的行业大模型质量。\n5. 决策科学融合：将Decision、Causal等传统决策技术与 LLM 推理结合，提升传统的决策智能表现。\n我们将提供海量的真实业务场景、充足的 GPU 计算资源和极高的探索自由度，目标是产出既有技术深度又能直接创造业务价值的未来 AI 应用范式。\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": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}