{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Keeta技术-AI配送算法工程师",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "核心本地商业-业务研发平台",
        "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": 2,
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. AutoResearch能力建设：推动算法研究流程的自动化与智能化，探索AutoResearch框架，实现从数据探索、特征发现、模型选型、超参搜索到实验评估的全链路自动化。利用LLM辅助文献调研与技术方案生成，加速从研究假设到实验验证的迭代周期，提升团队算法创新效率。探索AI Agent驱动的自动实验设计与模型迭代范式。\n\n2. 实时调度优化：负责Keeta实时调度系统中关键模型的建模与优化，针对即时配送实时调度问题存在的多目标、不确定性、动态性与超大规模等特点，综合使用机器学习、深度学习、强化学习、因果推断等技术手段进行多场景联合优化，持续创新迭代，提升人单匹配决策质量。建模方向包括但不限于：ETA预估、路径规划和时间预估、供需预测、转化预估、订单难度及接单意愿刻画、定价、骑手活动优化等。\n\n3. 归因体系建设：基于LLM Agent构建智能归因分析框架，设计多Agent协作的归因分析链路，通过Agent自主调度数据查询、指标拆解、异常定位、因子分析等环节，实现对业务指标变化的自动化归因与根因定位。将LLM的分析推理能力与业务数据体系深度结合，驱动业务决策从\"经验判断\"升级为\"AI智能归因\"。\n\n4. AI Coding与工程效能提升：运用AI Coding工具（如Copilot、Cursor、Claude Code等）提升算法工程化效率，推动团队AI辅助编程实践。将大模型能力融入特征工程、模型训练、评测分析等日常开发流程，建设智能化算法开发工具链，实现代码生成、自动化测试、模型调试等环节的AI提效。探索并落地LLM辅助的算法代码审查与优化建议系统。\n\n5. 颠覆式创新：针对即时配送领域特点，颠覆创新传统供应链物流技术体系，探索即时配送履约新模式，结合AI前沿技术（如多智能体协同、世界模型等）提升降本增效天花板",
        "requirements_text": "1. 计算机、工业工程、自动化、应用数学、人工智能等相关专业；\n\n2. 扎实的编程能力与AI Coding实践，熟练使用Python/Java等语言，熟悉常用数据结构和算法，熟练使用Hive、Spark等大数据工具；有利用AI辅助编程工具（Copilot、Cursor、Claude Code等）提升研发效率的实践经验；\n\n3. 在机器学习或数据挖掘或运筹优化方向有深入理解与落地经验，在广告推荐、需求预估、强化学习等方面有实践经验；熟悉LLM应用开发（Prompt Engineering、RAG、Agent等）者优先；\n\n4. AI归因能力：熟悉LLM Agent开发，有基于Agent构建数据分析、归因分析或自动化诊断系统的经验，能设计多Agent协作完成复杂归因任务；\n\n5. AutoResearch能力：了解自动化机器学习（AutoML）、自动化实验设计等研究方向，有搭建自动化研究pipeline或AI辅助科研工具的经验者优先；\n\n6. 优秀的分析及解决问题的能力，在复杂业务场景策略优化方面具备2-3年经验；\n\n7. 能够深入思考、勇于创新，具有优秀的业务理解、目标制定能力，以及较强的跨团队沟通和协调能力；\n\n8. 具备创业精神和创业心态，不自设边界，能够快速学习，广泛支撑业务。",
        "skills": [AI生成
            "Python",
            "Java",
            "Spark",
            "机器学习",
            "强化学习",
            "数据结构",
            "数据分析",
            "数据挖掘",
            "解决问题",
            "检索增强生成"
        ],
        "preferred_qualifications": "熟悉LLM应用开发（Prompt Engineering、RAG、Agent等）者优先；5. AutoResearch能力：了解自动化机器学习（AutoML）、自动化实验设计等研究方向，有搭建自动化研究pipeline或AI辅助科研工具的经验者优先",
        "job_highlights": "1. AI前沿实践：业务核心，创新场景丰富，涉及即时配送体验、效率等核心业务指标优化；团队深度探索AI在物流调度中的前沿应用，包括AutoResearch、AI Coding、AI归因等创新方向；\n\n2. 团队汇聚了运筹优化和机器学习背景的技术大牛，通过共同学习可快速成长为落地实战经验丰富的跨学科复合型人才。团队近年已有部分成果发表在KDD/CIKM等顶会上，并入围2023年Franz Edelman奖（全球运筹和管理科学界的最TOP奖项）；\n\n3. 技术影响力：团队鼓励技术创新与开源贡献，支持在AI+物"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4454239585&jobShareType=1"
            }
        ]
    },
    "posting": {
        "posting_id": "4454239585",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4454239585&jobShareType=1"
    },
    "fulltext": "Keeta技术-AI配送算法工程师\nKeeta技术-AI配送算法工程师\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-业务研发平台\n职位类别：技术类\n职位族群：算法\n更新时间：2026-06-01\n\n岗位职责\n1. AutoResearch能力建设：推动算法研究流程的自动化与智能化，探索AutoResearch框架，实现从数据探索、特征发现、模型选型、超参搜索到实验评估的全链路自动化。利用LLM辅助文献调研与技术方案生成，加速从研究假设到实验验证的迭代周期，提升团队算法创新效率。探索AI Agent驱动的自动实验设计与模型迭代范式。\n\n2. 实时调度优化：负责Keeta实时调度系统中关键模型的建模与优化，针对即时配送实时调度问题存在的多目标、不确定性、动态性与超大规模等特点，综合使用机器学习、深度学习、强化学习、因果推断等技术手段进行多场景联合优化，持续创新迭代，提升人单匹配决策质量。建模方向包括但不限于：ETA预估、路径规划和时间预估、供需预测、转化预估、订单难度及接单意愿刻画、定价、骑手活动优化等。\n\n3. 归因体系建设：基于LLM Agent构建智能归因分析框架，设计多Agent协作的归因分析链路，通过Agent自主调度数据查询、指标拆解、异常定位、因子分析等环节，实现对业务指标变化的自动化归因与根因定位。将LLM的分析推理能力与业务数据体系深度结合，驱动业务决策从\"经验判断\"升级为\"AI智能归因\"。\n\n4. AI Coding与工程效能提升：运用AI Coding工具（如Copilot、Cursor、Claude Code等）提升算法工程化效率，推动团队AI辅助编程实践。将大模型能力融入特征工程、模型训练、评测分析等日常开发流程，建设智能化算法开发工具链，实现代码生成、自动化测试、模型调试等环节的AI提效。探索并落地LLM辅助的算法代码审查与优化建议系统。\n\n5. 颠覆式创新：针对即时配送领域特点，颠覆创新传统供应链物流技术体系，探索即时配送履约新模式，结合AI前沿技术（如多智能体协同、世界模型等）提升降本增效天花板\n\n岗位基本要求\n1. 计算机、工业工程、自动化、应用数学、人工智能等相关专业；\n\n2. 扎实的编程能力与AI Coding实践，熟练使用Python/Java等语言，熟悉常用数据结构和算法，熟练使用Hive、Spark等大数据工具；有利用AI辅助编程工具（Copilot、Cursor、Claude Code等）提升研发效率的实践经验；\n\n3. 在机器学习或数据挖掘或运筹优化方向有深入理解与落地经验，在广告推荐、需求预估、强化学习等方面有实践经验；熟悉LLM应用开发（Prompt Engineering、RAG、Agent等）者优先；\n\n4. AI归因能力：熟悉LLM Agent开发，有基于Agent构建数据分析、归因分析或自动化诊断系统的经验，能设计多Agent协作完成复杂归因任务；\n\n5. AutoResearch能力：了解自动化机器学习（AutoML）、自动化实验设计等研究方向，有搭建自动化研究pipeline或AI辅助科研工具的经验者优先；\n\n6. 优秀的分析及解决问题的能力，在复杂业务场景策略优化方面具备2-3年经验；\n\n7. 能够深入思考、勇于创新，具有优秀的业务理解、目标制定能力，以及较强的跨团队沟通和协调能力；\n\n8. 具备创业精神和创业心态，不自设边界，能够快速学习，广泛支撑业务。\n\n岗位亮点\n1. AI前沿实践：业务核心，创新场景丰富，涉及即时配送体验、效率等核心业务指标优化；团队深度探索AI在物流调度中的前沿应用，包括AutoResearch、AI Coding、AI归因等创新方向；\n\n2. 团队汇聚了运筹优化和机器学习背景的技术大牛，通过共同学习可快速成长为落地实战经验丰富的跨学科复合型人才。团队近年已有部分成果发表在KDD/CIKM等顶会上，并入围2023年Franz Edelman奖（全球运筹和管理科学界的最TOP奖项）；\n\n3. 技术影响力：团队鼓励技术创新与开源贡献，支持在AI+物流调度交叉领域的论文发表与专利申请，提供广阔的技术成长空间。\n1. AutoResearch能力建设：推动算法研究流程的自动化与智能化，探索AutoResearch框架，实现从数据探索、特征发现、模型选型、超参搜索到实验评估的全链路自动化。利用LLM辅助文献调研与技术方案生成，加速从研究假设到实验验证的迭代周期，提升团队算法创新效率。探索AI Agent驱动的自动实验设计与模型迭代范式。\n\n2. 实时调度优化：负责Keeta实时调度系统中关键模型的建模与优化，针对即时配送实时调度问题存在的多目标、不确定性、动态性与超大规模等特点，综合使用机器学习、深度学习、强化学习、因果推断等技术手段进行多场景联合优化，持续创新迭代，提升人单匹配决策质量。建模方向包括但不限于：ETA预估、路径规划和时间预估、供需预测、转化预估、订单难度及接单意愿刻画、定价、骑手活动优化等。\n\n3. 归因体系建设：基于LLM Agent构建智能归因分析框架，设计多Agent协作的归因分析链路，通过Agent自主调度数据查询、指标拆解、异常定位、因子分析等环节，实现对业务指标变化的自动化归因与根因定位。将LLM的分析推理能力与业务数据体系深度结合，驱动业务决策从\"经验判断\"升级为\"AI智能归因\"。\n\n4. AI Coding与工程效能提升：运用AI Coding工具（如Copilot、Cursor、Claude Code等）提升算法工程化效率，推动团队AI辅助编程实践。将大模型能力融入特征工程、模型训练、评测分析等日常开发流程，建设智能化算法开发工具链，实现代码生成、自动化测试、模型调试等环节的AI提效。探索并落地LLM辅助的算法代码审查与优化建议系统。\n\n5. 颠覆式创新：针对即时配送领域特点，颠覆创新传统供应链物流技术体系，探索即时配送履约新模式，结合AI前沿技术（如多智能体协同、世界模型等）提升降本增效天花板\n1. 计算机、工业工程、自动化、应用数学、人工智能等相关专业；\n\n2. 扎实的编程能力与AI Coding实践，熟练使用Python/Java等语言，熟悉常用数据结构和算法，熟练使用Hive、Spark等大数据工具；有利用AI辅助编程工具（Copilot、Cursor、Claude Code等）提升研发效率的实践经验；\n\n3. 在机器学习或数据挖掘或运筹优化方向有深入理解与落地经验，在广告推荐、需求预估、强化学习等方面有实践经验；熟悉LLM应用开发（Prompt Engineering、RAG、Agent等）者优先；\n\n4. AI归因能力：熟悉LLM Agent开发，有基于Agent构建数据分析、归因分析或自动化诊断系统的经验，能设计多Agent协作完成复杂归因任务；\n\n5. AutoResearch能力：了解自动化机器学习（AutoML）、自动化实验设计等研究方向，有搭建自动化研究pipeline或AI辅助科研工具的经验者优先；\n\n6. 优秀的分析及解决问题的能力，在复杂业务场景策略优化方面具备2-3年经验；\n\n7. 能够深入思考、勇于创新，具有优秀的业务理解、目标制定能力，以及较强的跨团队沟通和协调能力；\n\n8. 具备创业精神和创业心态，不自设边界，能够快速学习，广泛支撑业务。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}