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": "【基座大模型北斗实习】多模态后训练及 Agent 能力拓展",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "简介：跟踪多模态后训练前沿方法（SFT / DPO / GRPO 等），快速完成技术预研与可行性验证，形成可落地的训练方案并推动模型迭代。\n1、面向复杂业务场景（如多轮交互、长序列推理、跨模态 Agent 决策等），进行针对性的垂域数据建设与指令微调，持续提升模型在垂直场景下的表现上限。\n2、建设后训练评估体系与数据飞轮，设计面向垂域场景的自动化评测基准，驱动\"评测→数据→训练→评测\"的闭环迭代。\n3、探索多模态大模型与新一代Agent框架（Claude Code、OpenClaw 等）的深度结合，研究模型在工具调用、环境感知、多步规划等场景下的能力边界，推动多模态模型从\"被调用\"向\"自主交互\"演进，拓展智能体在真实复杂环境中的落地路径。",
"requirements_text": "1、对前沿技术有强烈的探索欲，有出色的团队协作精神；\n2、有OpenClaw、Claude code深度使用经验与产出优先；\n3、发表过领域顶级会议文章(NeurIPS、ICML、ICLR、ACL、Interspeech、ICASSP等)、ACM竞赛获奖者优先。",
"skills": [AI生成
"团队协作"
],
"preferred_qualifications": "2、有OpenClaw、Claude code深度使用经验与产出优先；3、发表过领域顶级会议文章(NeurIPS、ICML、ICLR、ACL、Interspeech、ICASSP等)、ACM竞赛获奖者优先",
"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=4346347366&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4346347366",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4346347366&jobShareType=1"
},
"fulltext": "【基座大模型北斗实习】多模态后训练及 Agent 能力拓展\n【基座大模型北斗实习】多模态后训练及 Agent 能力拓展\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：2026-04-03\n\n岗位职责\n简介：跟踪多模态后训练前沿方法（SFT / DPO / GRPO 等），快速完成技术预研与可行性验证，形成可落地的训练方案并推动模型迭代。\n1、面向复杂业务场景（如多轮交互、长序列推理、跨模态 Agent 决策等），进行针对性的垂域数据建设与指令微调，持续提升模型在垂直场景下的表现上限。\n2、建设后训练评估体系与数据飞轮，设计面向垂域场景的自动化评测基准，驱动\"评测→数据→训练→评测\"的闭环迭代。\n3、探索多模态大模型与新一代Agent框架（Claude Code、OpenClaw 等）的深度结合，研究模型在工具调用、环境感知、多步规划等场景下的能力边界，推动多模态模型从\"被调用\"向\"自主交互\"演进，拓展智能体在真实复杂环境中的落地路径。\n\n岗位基本要求\n1、对前沿技术有强烈的探索欲，有出色的团队协作精神；\n2、有OpenClaw、Claude code深度使用经验与产出优先；\n3、发表过领域顶级会议文章(NeurIPS、ICML、ICLR、ACL、Interspeech、ICASSP等)、ACM竞赛获奖者优先。\n简介：跟踪多模态后训练前沿方法（SFT / DPO / GRPO 等），快速完成技术预研与可行性验证，形成可落地的训练方案并推动模型迭代。\n1、面向复杂业务场景（如多轮交互、长序列推理、跨模态 Agent 决策等），进行针对性的垂域数据建设与指令微调，持续提升模型在垂直场景下的表现上限。\n2、建设后训练评估体系与数据飞轮，设计面向垂域场景的自动化评测基准，驱动\"评测→数据→训练→评测\"的闭环迭代。\n3、探索多模态大模型与新一代Agent框架（Claude Code、OpenClaw 等）的深度结合，研究模型在工具调用、环境感知、多步规划等场景下的能力边界，推动多模态模型从\"被调用\"向\"自主交互\"演进，拓展智能体在真实复杂环境中的落地路径。\n1、对前沿技术有强烈的探索欲，有出色的团队协作精神；\n2、有OpenClaw、Claude code深度使用经验与产出优先；\n3、发表过领域顶级会议文章(NeurIPS、ICML、ICLR、ACL、Interspeech、ICASSP等)、ACM竞赛获奖者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}