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】大模型架构研究",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "简介：大模型架构优化探索，算法工程协同设计，涉及到训练和推理的各类算法和工程策略探索落地。参与美团基座大模型项目，包含但不限于：\n1、大模型高效架构设计探索（高效attention，moe架构等）。\n2、预训练 / 后训练算法工程策略。\n3、投机推理算法工程策略。\n4、模型轻量化策略（剪枝，量化，稀疏，蒸馏，结构搜索等） 。\n5、Agentic coding系统优化策略。",
"requirements_text": "1、熟悉一些常用的深度学习框架和大规模训推框架（比如megatron，verl，vllm，sglang等等），在大模型上有训练和推理算法工程优化实际经验的优先；\n2、熟悉机器学习和深度学习理论，具备扎实的编程能力，熟悉常见的主流大模型架构；\n3、有大模型或机器学习相关顶会论文发表，特别是模型架构优化，训推策略相关的算法或工程论文优先。",
"skills": [AI生成
"机器学习",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "1、熟悉一些常用的深度学习框架和大规模训推框架（比如megatron，verl，vllm，sglang等等），在大模型上有训练和推理算法工程优化实际经验的优先；3、有大模型或机器学习相关顶会论文发表，特别是模型架构优化，训推策略相关的算法或工程论文优先",
"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=4348820765&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4348820765",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4348820765&jobShareType=1"
},
"fulltext": "【基座大模型北斗实习】大模型架构研究\n【基座大模型北斗实习】大模型架构研究\n\n基础信息\n工作地点：北京市 / 上海市\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：大模型架构优化探索，算法工程协同设计，涉及到训练和推理的各类算法和工程策略探索落地。参与美团基座大模型项目，包含但不限于：\n1、大模型高效架构设计探索（高效attention，moe架构等）。\n2、预训练 / 后训练算法工程策略。\n3、投机推理算法工程策略。\n4、模型轻量化策略（剪枝，量化，稀疏，蒸馏，结构搜索等） 。\n5、Agentic coding系统优化策略。\n\n岗位基本要求\n1、熟悉一些常用的深度学习框架和大规模训推框架（比如megatron，verl，vllm，sglang等等），在大模型上有训练和推理算法工程优化实际经验的优先；\n2、熟悉机器学习和深度学习理论，具备扎实的编程能力，熟悉常见的主流大模型架构；\n3、有大模型或机器学习相关顶会论文发表，特别是模型架构优化，训推策略相关的算法或工程论文优先。\n简介：大模型架构优化探索，算法工程协同设计，涉及到训练和推理的各类算法和工程策略探索落地。参与美团基座大模型项目，包含但不限于：\n1、大模型高效架构设计探索（高效attention，moe架构等）。\n2、预训练 / 后训练算法工程策略。\n3、投机推理算法工程策略。\n4、模型轻量化策略（剪枝，量化，稀疏，蒸馏，结构搜索等） 。\n5、Agentic coding系统优化策略。\n1、熟悉一些常用的深度学习框架和大规模训推框架（比如megatron，verl，vllm，sglang等等），在大模型上有训练和推理算法工程优化实际经验的优先；\n2、熟悉机器学习和深度学习理论，具备扎实的编程能力，熟悉常见的主流大模型架构；\n3、有大模型或机器学习相关顶会论文发表，特别是模型架构优化，训推策略相关的算法或工程论文优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}