主分类：大模型与生成式算法研发
辅助：搜索推荐与业务决策算法研发（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】Agent算法研究员——小团",
"job_level": "校招",AI生成
"work_category": "全职",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": "2027届本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【愿景】\n打造全球领先的本地生活智能平台，让每一次搜索和推荐都精准理解用户需求，从被动匹配走向主动认知推理。我们致力于成为大模型在搜索与推荐场景落地的标杆团队，推动行业从传统深度模型向生成式智能的范式跃迁，用AI能力重新定义下一代生活服务入口。\n【你将参与】\n方向一：个性化自进化与主动探索算法机制\n1.探索与利用权衡： 负责设计前沿的主动探索训练目标与触发机制，引入不确定性感知等机制，使 Agent 能够根据当前交互状态、上下文历史自主判断自适应进化方向。\n2.高价值信息捕获： 在极低用户打扰的约束下，设计高效的主动追问与澄清策略，精准、主动地获取用户深层高价值偏好信息。\n方向二：多轮交互奖励建模与 RL 策略优化\n1.长期价值奖励建模： 负责构建面向长期交互与用户留存的奖励模型体系，将用户显式反馈（追问、点击）与隐式行为（停留、改写）转化为高置信度的显式/隐式奖励信号。\n2.强化学习策略对齐： 运用先进的强化学习算法（如 PPO、GRPO、在线/交互式 RL），优化模型在多轮对话与 AI 搜索场景下的样本效率与收敛性。基于严谨的理论框架（如收敛性保证、遗憾界分析），指导算法的原则性设计，确保策略在复杂、长尾多场景迁移时的可解释性与可靠性。\n方向三：Agent 闭环体系建设与全链路落地\n1.可插拔个性化内化模块： 研发高容量、强泛化性的个性化信息内化与记忆模块，动态攻克信息更新频率与偏好识别精度之间的权衡难题。",
"requirements_text": "【任职资格】\n必要条件：\n1.2027届本科及以上学历，计算机、人工智能等相关专业；\n2.在大模型后训练等方面有深入实践，具备较强的动手能力；\n3.扎实的深度学习和计算机理论基础，精通主流深度学习框架(如Tensorflow、Pytorch)；\n4.具备强悍的工程思维和代码能力，熟练使用Python/C++等编程语言。\n加分项：\n1.在ICLR/ICML/NIPS/ACL/CVPR等国际顶会有论文发表经历优先；\n2.优秀的分析、解决问题能力，对AGI的未来趋势与挑战有浓厚兴趣；\n3.对解决挑战性问题充满激情，较强的责任心、主动性和韧性，能良好的沟通协作。\t\n【为什么是我们】\n1、拥有业界一流的团队，成员大多来自国内外名校，团队内有多位北斗、博士，可全方位支持前沿技术研究； \n2、核心业务支撑，参与前沿的大型模型技术研究和落地，探索大模型技术在实际业务场景中的应用； \n3、创新型团队扁平化管理，研究成果直接连接数亿用户的实际生活；\n4、美团核心AI落地场景之一，与团队一起探索AI- Native应用的技术难点与挑战，个人成长快。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"深度学习",
"解决问题",
"大语言模型"
],
"preferred_qualifications": "加分项：；1.在ICLR/ICML/NIPS/ACL/CVPR等国际顶会有论文发表经历优先",
"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=4530908798&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4530908798",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4530908798&jobShareType=1"
},
"fulltext": "【北斗】Agent算法研究员——小团\n【北斗】Agent算法研究员——小团\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：2026-06-03\n\n岗位职责\n【愿景】\n打造全球领先的本地生活智能平台，让每一次搜索和推荐都精准理解用户需求，从被动匹配走向主动认知推理。我们致力于成为大模型在搜索与推荐场景落地的标杆团队，推动行业从传统深度模型向生成式智能的范式跃迁，用AI能力重新定义下一代生活服务入口。\n【你将参与】\n方向一：个性化自进化与主动探索算法机制\n1.探索与利用权衡： 负责设计前沿的主动探索训练目标与触发机制，引入不确定性感知等机制，使 Agent 能够根据当前交互状态、上下文历史自主判断自适应进化方向。\n2.高价值信息捕获： 在极低用户打扰的约束下，设计高效的主动追问与澄清策略，精准、主动地获取用户深层高价值偏好信息。\n方向二：多轮交互奖励建模与 RL 策略优化\n1.长期价值奖励建模： 负责构建面向长期交互与用户留存的奖励模型体系，将用户显式反馈（追问、点击）与隐式行为（停留、改写）转化为高置信度的显式/隐式奖励信号。\n2.强化学习策略对齐： 运用先进的强化学习算法（如 PPO、GRPO、在线/交互式 RL），优化模型在多轮对话与 AI 搜索场景下的样本效率与收敛性。基于严谨的理论框架（如收敛性保证、遗憾界分析），指导算法的原则性设计，确保策略在复杂、长尾多场景迁移时的可解释性与可靠性。\n方向三：Agent 闭环体系建设与全链路落地\n1.可插拔个性化内化模块： 研发高容量、强泛化性的个性化信息内化与记忆模块，动态攻克信息更新频率与偏好识别精度之间的权衡难题。\n\n岗位基本要求\n【任职资格】\n必要条件：\n1.2027届本科及以上学历，计算机、人工智能等相关专业；\n2.在大模型后训练等方面有深入实践，具备较强的动手能力；\n3.扎实的深度学习和计算机理论基础，精通主流深度学习框架(如Tensorflow、Pytorch)；\n4.具备强悍的工程思维和代码能力，熟练使用Python/C++等编程语言。\n加分项：\n1.在ICLR/ICML/NIPS/ACL/CVPR等国际顶会有论文发表经历优先；\n2.优秀的分析、解决问题能力，对AGI的未来趋势与挑战有浓厚兴趣；\n3.对解决挑战性问题充满激情，较强的责任心、主动性和韧性，能良好的沟通协作。\t\n【为什么是我们】\n1、拥有业界一流的团队，成员大多来自国内外名校，团队内有多位北斗、博士，可全方位支持前沿技术研究； \n2、核心业务支撑，参与前沿的大型模型技术研究和落地，探索大模型技术在实际业务场景中的应用； \n3、创新型团队扁平化管理，研究成果直接连接数亿用户的实际生活；\n4、美团核心AI落地场景之一，与团队一起探索AI- Native应用的技术难点与挑战，个人成长快。\n【愿景】\n打造全球领先的本地生活智能平台，让每一次搜索和推荐都精准理解用户需求，从被动匹配走向主动认知推理。我们致力于成为大模型在搜索与推荐场景落地的标杆团队，推动行业从传统深度模型向生成式智能的范式跃迁，用AI能力重新定义下一代生活服务入口。\n【你将参与】\n方向一：个性化自进化与主动探索算法机制\n1.探索与利用权衡： 负责设计前沿的主动探索训练目标与触发机制，引入不确定性感知等机制，使 Agent 能够根据当前交互状态、上下文历史自主判断自适应进化方向。\n2.高价值信息捕获： 在极低用户打扰的约束下，设计高效的主动追问与澄清策略，精准、主动地获取用户深层高价值偏好信息。\n方向二：多轮交互奖励建模与 RL 策略优化\n1.长期价值奖励建模： 负责构建面向长期交互与用户留存的奖励模型体系，将用户显式反馈（追问、点击）与隐式行为（停留、改写）转化为高置信度的显式/隐式奖励信号。\n2.强化学习策略对齐： 运用先进的强化学习算法（如 PPO、GRPO、在线/交互式 RL），优化模型在多轮对话与 AI 搜索场景下的样本效率与收敛性。基于严谨的理论框架（如收敛性保证、遗憾界分析），指导算法的原则性设计，确保策略在复杂、长尾多场景迁移时的可解释性与可靠性。\n方向三：Agent 闭环体系建设与全链路落地\n1.可插拔个性化内化模块： 研发高容量、强泛化性的个性化信息内化与记忆模块，动态攻克信息更新频率与偏好识别精度之间的权衡难题。\n【任职资格】\n必要条件：\n1.2027届本科及以上学历，计算机、人工智能等相关专业；\n2.在大模型后训练等方面有深入实践，具备较强的动手能力；\n3.扎实的深度学习和计算机理论基础，精通主流深度学习框架(如Tensorflow、Pytorch)；\n4.具备强悍的工程思维和代码能力，熟练使用Python/C++等编程语言。\n加分项：\n1.在ICLR/ICML/NIPS/ACL/CVPR等国际顶会有论文发表经历优先；\n2.优秀的分析、解决问题能力，对AGI的未来趋势与挑战有浓厚兴趣；\n3.对解决挑战性问题充满激情，较强的责任心、主动性和韧性，能良好的沟通协作。\t\n【为什么是我们】\n1、拥有业界一流的团队，成员大多来自国内外名校，团队内有多位北斗、博士，可全方位支持前沿技术研究； \n2、核心业务支撑，参与前沿的大型模型技术研究和落地，探索大模型技术在实际业务场景中的应用； \n3、创新型团队扁平化管理，研究成果直接连接数亿用户的实际生活；\n4、美团核心AI落地场景之一，与团队一起探索AI- Native应用的技术难点与挑战，个人成长快。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}