主分类：搜索推荐与业务决策算法研发
辅助：大模型与生成式算法研发（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】大模型算法工程师—生成式搜推广告算法",
"job_level": "校招",AI生成
"work_category": "全职",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": "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我们致力于构建健康的本地商业生态，通过为平台客户和消费者提供符合其需求的多元、便捷、高效的商业产品和服务，帮助生态伙伴提高效率、优化经营、实现持续健康发展，推动本地商业数字化营销的发展，促进商业生态繁荣。\n【你将参与】\n1. 多模态理解与表征技术研究：运用多模态技术理解异构本地生活供给（图文/商品/门店/短视频），通过跨模态对齐、多模态预训练、SID编码等方式为召排模型提供高质量表征输入。\n2. LLM 与协同信号融合建模：将 LLM 的语义理解与推理能力和协同过滤信号深度融合，通过指令微调、CoT 推理增强、协同信号注入等方式，构建兼具行为记忆力与语义泛化力的统一广告模型。\n3. 生成式召排链路升级：探索生成式技术对召回、预估、重排的系统性改造，推动广告系统端到端统一建模；研究广告场景下 Scaling 规律，建立模型规模与业务指标的可预测转化关系。\n4. Agent 自迭代能力构建：探索基于 LLM 的广告系统自演进框架，利用 Multi-Agent 自动化特征工程、样本挖掘、实验分析等研发环节，构建模型基于线上反馈持续自迭代的能力。",
"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.熟练掌握 Python，熟悉 PyTorch 等主流深度学习框架；\n3.扎实的机器学习/深度学习理论基础，对推荐系统、NLP、多模态、LLM 中至少一个方向有深入研究或项目经验；\n加分项：\n1.在 NeurIPS、ICML、ICLR、KDD、WWW、RecSys 等顶会发表论文；\n2.ACM-ICPC、Kaggle 等顶级算法竞赛获奖；\n3.有大厂广告/推荐系统相关实习经验。\n【为什么是我们】\n1.高价值课题，真实场景验证：多模态理解、LLM 与协同信号融合、生成式召排均为工业界广告算法的核心攻坚方向，研究成果直接在日均亿级请求的线上系统中验证，兼顾技术前沿性与业务落地价值。\n2.充足算力保障：配备充裕 GPU 集群资源，大规模模型训练与 Scaling 实验不受资源瓶颈制约。\n3.学术与业务双向转化：技术方向与 NeurIPS、KDD、RecSys 等顶会研究高度对齐，支持论文产出；研究成果同步快速上线，实现学术影响力与业务价值双收。\n4.强带教，深度成长：资深算法专家 1v1 全程指导，深度参与核心技术方案与实验决策，获得系统性的工业界算法研发训练，而非边缘支撑性工作。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"自然语言处理",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "加分项：",
"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=4531099128&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4531099128",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4531099128&jobShareType=1"
},
"fulltext": "【北斗】大模型算法工程师—生成式搜推广告算法\n【北斗】大模型算法工程师—生成式搜推广告算法\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：2026-06-03\n\n岗位职责\n【愿景】\n我们致力于构建健康的本地商业生态，通过为平台客户和消费者提供符合其需求的多元、便捷、高效的商业产品和服务，帮助生态伙伴提高效率、优化经营、实现持续健康发展，推动本地商业数字化营销的发展，促进商业生态繁荣。\n【你将参与】\n1. 多模态理解与表征技术研究：运用多模态技术理解异构本地生活供给（图文/商品/门店/短视频），通过跨模态对齐、多模态预训练、SID编码等方式为召排模型提供高质量表征输入。\n2. LLM 与协同信号融合建模：将 LLM 的语义理解与推理能力和协同过滤信号深度融合，通过指令微调、CoT 推理增强、协同信号注入等方式，构建兼具行为记忆力与语义泛化力的统一广告模型。\n3. 生成式召排链路升级：探索生成式技术对召回、预估、重排的系统性改造，推动广告系统端到端统一建模；研究广告场景下 Scaling 规律，建立模型规模与业务指标的可预测转化关系。\n4. Agent 自迭代能力构建：探索基于 LLM 的广告系统自演进框架，利用 Multi-Agent 自动化特征工程、样本挖掘、实验分析等研发环节，构建模型基于线上反馈持续自迭代的能力。\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.熟练掌握 Python，熟悉 PyTorch 等主流深度学习框架；\n3.扎实的机器学习/深度学习理论基础，对推荐系统、NLP、多模态、LLM 中至少一个方向有深入研究或项目经验；\n加分项：\n1.在 NeurIPS、ICML、ICLR、KDD、WWW、RecSys 等顶会发表论文；\n2.ACM-ICPC、Kaggle 等顶级算法竞赛获奖；\n3.有大厂广告/推荐系统相关实习经验。\n【为什么是我们】\n1.高价值课题，真实场景验证：多模态理解、LLM 与协同信号融合、生成式召排均为工业界广告算法的核心攻坚方向，研究成果直接在日均亿级请求的线上系统中验证，兼顾技术前沿性与业务落地价值。\n2.充足算力保障：配备充裕 GPU 集群资源，大规模模型训练与 Scaling 实验不受资源瓶颈制约。\n3.学术与业务双向转化：技术方向与 NeurIPS、KDD、RecSys 等顶会研究高度对齐，支持论文产出；研究成果同步快速上线，实现学术影响力与业务价值双收。\n4.强带教，深度成长：资深算法专家 1v1 全程指导，深度参与核心技术方案与实验决策，获得系统性的工业界算法研发训练，而非边缘支撑性工作。\n【愿景】\n我们致力于构建健康的本地商业生态，通过为平台客户和消费者提供符合其需求的多元、便捷、高效的商业产品和服务，帮助生态伙伴提高效率、优化经营、实现持续健康发展，推动本地商业数字化营销的发展，促进商业生态繁荣。\n【你将参与】\n1. 多模态理解与表征技术研究：运用多模态技术理解异构本地生活供给（图文/商品/门店/短视频），通过跨模态对齐、多模态预训练、SID编码等方式为召排模型提供高质量表征输入。\n2. LLM 与协同信号融合建模：将 LLM 的语义理解与推理能力和协同过滤信号深度融合，通过指令微调、CoT 推理增强、协同信号注入等方式，构建兼具行为记忆力与语义泛化力的统一广告模型。\n3. 生成式召排链路升级：探索生成式技术对召回、预估、重排的系统性改造，推动广告系统端到端统一建模；研究广告场景下 Scaling 规律，建立模型规模与业务指标的可预测转化关系。\n4. Agent 自迭代能力构建：探索基于 LLM 的广告系统自演进框架，利用 Multi-Agent 自动化特征工程、样本挖掘、实验分析等研发环节，构建模型基于线上反馈持续自迭代的能力。\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.熟练掌握 Python，熟悉 PyTorch 等主流深度学习框架；\n3.扎实的机器学习/深度学习理论基础，对推荐系统、NLP、多模态、LLM 中至少一个方向有深入研究或项目经验；\n加分项：\n1.在 NeurIPS、ICML、ICLR、KDD、WWW、RecSys 等顶会发表论文；\n2.ACM-ICPC、Kaggle 等顶级算法竞赛获奖；\n3.有大厂广告/推荐系统相关实习经验。\n【为什么是我们】\n1.高价值课题，真实场景验证：多模态理解、LLM 与协同信号融合、生成式召排均为工业界广告算法的核心攻坚方向，研究成果直接在日均亿级请求的线上系统中验证，兼顾技术前沿性与业务落地价值。\n2.充足算力保障：配备充裕 GPU 集群资源，大规模模型训练与 Scaling 实验不受资源瓶颈制约。\n3.学术与业务双向转化：技术方向与 NeurIPS、KDD、RecSys 等顶会研究高度对齐，支持论文产出；研究成果同步快速上线，实现学术影响力与业务价值双收。\n4.强带教，深度成长：资深算法专家 1v1 全程指导，深度参与核心技术方案与实验决策，获得系统性的工业界算法研发训练，而非边缘支撑性工作。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}