主分类：大模型与生成式算法研发
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": "LongCat - 通用 agent 算法研究员",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-基础研发平台",
"location": "北京市 / 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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 通过 Large Scale RL Scaling 等手段，训练模型能够在多样化、有噪声的真实、全模态环境下，支持多样化的 Tools、Skills、Subagents 的稳定、正确、综合、可插拔式灵活使用，并能在一定限度内进行环境的修复与可靠改造；\n\n2. 探索在易于模型理解使用的前提下，训练模型以更高信息密度的形态构建、维护和利用 memory，使模型能主动在重复性任务或封闭任务域中总结、提炼认知与经验，并进行有效复用，达到不断自进化的效果；\n\n3. 训练模型的系统性长程任务高效处理能力，可以自主进行合理的任务拆解、分工；探索通过 agent swarm 或其他先进的 multi-agent system 进行系统性长程任务的并行执行和提效；\n\n4. 探索多模态推理和多模态环境交互的范式，并基于此进行增强模型在复杂全模态环境下的任务完成能力。",
"requirements_text": "1. 本科及以上学历，计算机、人工智能、自动化、数学、物理等相关专业； \n\n2. 在强化学习、大模型训练、Agent 等一个或多个领域有较深入的研究和实践经验者； \n\n3. 好奇心驱动，具有出色的分析、解决问题的能力，有自主探索解决方案的能力者； \n\n4. 具有良好的沟通协作能力，对追求纯粹的技术有强烈热情，工作积极主动，能够与团队融洽合作，一起探索新技术并快速试验想法，推进技术进步。",
"skills": [AI生成
"强化学习",
"模型训练",
"解决问题",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "1. 获得在业内最前沿的大模型认知和技术积累，既能做前沿 research，也有直接的落地场景；\n\n2. 有充足的数据和GPU资源用于实验探索；\n\n3. 工作环境优越，团队扁平，讨论、合作氛围好；\n\n4. 提供有竞争力的薪资福利和良好的晋升空间。"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4302139093&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4302139093",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4302139093&jobShareType=1"
},
"fulltext": "LongCat - 通用 agent 算法研究员\nLongCat - 通用 agent 算法研究员\n\n基础信息\n工作地点：北京市 / 上海市\n部门：核心本地商业-基础研发平台\n职位类别：技术类\n职位族群：算法\n更新时间：2026-05-28\n\n岗位职责\n1. 通过 Large Scale RL Scaling 等手段，训练模型能够在多样化、有噪声的真实、全模态环境下，支持多样化的 Tools、Skills、Subagents 的稳定、正确、综合、可插拔式灵活使用，并能在一定限度内进行环境的修复与可靠改造；\n\n2. 探索在易于模型理解使用的前提下，训练模型以更高信息密度的形态构建、维护和利用 memory，使模型能主动在重复性任务或封闭任务域中总结、提炼认知与经验，并进行有效复用，达到不断自进化的效果；\n\n3. 训练模型的系统性长程任务高效处理能力，可以自主进行合理的任务拆解、分工；探索通过 agent swarm 或其他先进的 multi-agent system 进行系统性长程任务的并行执行和提效；\n\n4. 探索多模态推理和多模态环境交互的范式，并基于此进行增强模型在复杂全模态环境下的任务完成能力。\n\n岗位基本要求\n1. 本科及以上学历，计算机、人工智能、自动化、数学、物理等相关专业； \n\n2. 在强化学习、大模型训练、Agent 等一个或多个领域有较深入的研究和实践经验者； \n\n3. 好奇心驱动，具有出色的分析、解决问题的能力，有自主探索解决方案的能力者； \n\n4. 具有良好的沟通协作能力，对追求纯粹的技术有强烈热情，工作积极主动，能够与团队融洽合作，一起探索新技术并快速试验想法，推进技术进步。\n\n岗位亮点\n1. 获得在业内最前沿的大模型认知和技术积累，既能做前沿 research，也有直接的落地场景；\n\n2. 有充足的数据和GPU资源用于实验探索；\n\n3. 工作环境优越，团队扁平，讨论、合作氛围好；\n\n4. 提供有竞争力的薪资福利和良好的晋升空间。\n1. 通过 Large Scale RL Scaling 等手段，训练模型能够在多样化、有噪声的真实、全模态环境下，支持多样化的 Tools、Skills、Subagents 的稳定、正确、综合、可插拔式灵活使用，并能在一定限度内进行环境的修复与可靠改造；\n\n2. 探索在易于模型理解使用的前提下，训练模型以更高信息密度的形态构建、维护和利用 memory，使模型能主动在重复性任务或封闭任务域中总结、提炼认知与经验，并进行有效复用，达到不断自进化的效果；\n\n3. 训练模型的系统性长程任务高效处理能力，可以自主进行合理的任务拆解、分工；探索通过 agent swarm 或其他先进的 multi-agent system 进行系统性长程任务的并行执行和提效；\n\n4. 探索多模态推理和多模态环境交互的范式，并基于此进行增强模型在复杂全模态环境下的任务完成能力。\n1. 本科及以上学历，计算机、人工智能、自动化、数学、物理等相关专业； \n\n2. 在强化学习、大模型训练、Agent 等一个或多个领域有较深入的研究和实践经验者； \n\n3. 好奇心驱动，具有出色的分析、解决问题的能力，有自主探索解决方案的能力者； \n\n4. 具有良好的沟通协作能力，对追求纯粹的技术有强烈热情，工作积极主动，能够与团队融洽合作，一起探索新技术并快速试验想法，推进技术进步。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}