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": "【北斗】大模型算法工程师（金融场景）",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【愿景】\n构建以大模型算法为核心的金融 AI 智能体体系，打通“理解—推理—决策—执行—反馈”的全链路闭环。通过 LLM 理解用户意图与业务上下文，通过 SFT/RL 等算法提升金融场景专业能力，通过 Agent 进行任务规划、策略选择与工具调用，动态生成话术、方案和决策建议，持续基于评测与线上反馈自我优化，推动金融业务走向智能体时代。\n【职责】\n负责金融场景的大模型的研发和应用，研究相关技术在AI营销、AI风控、AI客服、AI催收领域的落地价值和解决方案，通过AI赋能业务，大幅提升业务在智能交互、智能决策场景下的效果。 \n研究方向一：基于大模型的多轮对话理解与生成\n1.深入参与对话机器人在数据建设、指令微调、偏好对齐、强化学习、推理优化等环节的建设；\n2.研究和解决大模型落地的关键问题，如检索增强、长文本理解、模型小型化技术等，并提升训练-评测的迭代效率。\n研究方向二：大模型智能体算法研究\n1.负责基于大模型的智能体架构构建，实现复杂问题的理解规划、工具执行以及感知反思能力；\n2.探索最前沿技术，设计算法迭代飞轮，优化大模型基础模型，高效提升模型效果。",
"requirements_text": "【任职资格】\n1.优秀的探索与创新能力，在ACL/EMNLP/NAACL/NeurIPS/ICML/ICLR等顶级会议上发表论文者优先；\n2.扎实的算法功底，在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；\n3.对大模型前沿算法有热情，有较强的自驱力和良好的动手实践能力，对新事物有强烈的好奇心；\n4.有大模型训练（预训练/微调/对齐）或强化学习有实际项目经验。\n【为什么是我们】\n1.团队致力于大模型在金融场景中全链路的应用落地，场景丰富、价值明确，技术做功空间大；\n2.海量的数据与充足的算力，支持全方位的技术攻坚与创新探索；\n3.团队内技术氛围浓厚，拥有先进的大模型落地经验，成员大多来自国内外名校，对新人有健全的培养体系。",
"skills": [AI生成
"强化学习",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "1.优秀的探索与创新能力，在ACL/EMNLP/NAACL/NeurIPS/ICML/ICLR等顶级会议上发表论文者优先；2.扎实的算法功底，在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先",
"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=4531750384&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4531750384",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4531750384&jobShareType=1"
},
"fulltext": "【北斗】大模型算法工程师（金融场景）\n【北斗】大模型算法工程师（金融场景）\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构建以大模型算法为核心的金融 AI 智能体体系，打通“理解—推理—决策—执行—反馈”的全链路闭环。通过 LLM 理解用户意图与业务上下文，通过 SFT/RL 等算法提升金融场景专业能力，通过 Agent 进行任务规划、策略选择与工具调用，动态生成话术、方案和决策建议，持续基于评测与线上反馈自我优化，推动金融业务走向智能体时代。\n【职责】\n负责金融场景的大模型的研发和应用，研究相关技术在AI营销、AI风控、AI客服、AI催收领域的落地价值和解决方案，通过AI赋能业务，大幅提升业务在智能交互、智能决策场景下的效果。 \n研究方向一：基于大模型的多轮对话理解与生成\n1.深入参与对话机器人在数据建设、指令微调、偏好对齐、强化学习、推理优化等环节的建设；\n2.研究和解决大模型落地的关键问题，如检索增强、长文本理解、模型小型化技术等，并提升训练-评测的迭代效率。\n研究方向二：大模型智能体算法研究\n1.负责基于大模型的智能体架构构建，实现复杂问题的理解规划、工具执行以及感知反思能力；\n2.探索最前沿技术，设计算法迭代飞轮，优化大模型基础模型，高效提升模型效果。\n\n岗位基本要求\n【任职资格】\n1.优秀的探索与创新能力，在ACL/EMNLP/NAACL/NeurIPS/ICML/ICLR等顶级会议上发表论文者优先；\n2.扎实的算法功底，在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；\n3.对大模型前沿算法有热情，有较强的自驱力和良好的动手实践能力，对新事物有强烈的好奇心；\n4.有大模型训练（预训练/微调/对齐）或强化学习有实际项目经验。\n【为什么是我们】\n1.团队致力于大模型在金融场景中全链路的应用落地，场景丰富、价值明确，技术做功空间大；\n2.海量的数据与充足的算力，支持全方位的技术攻坚与创新探索；\n3.团队内技术氛围浓厚，拥有先进的大模型落地经验，成员大多来自国内外名校，对新人有健全的培养体系。\n【愿景】\n构建以大模型算法为核心的金融 AI 智能体体系，打通“理解—推理—决策—执行—反馈”的全链路闭环。通过 LLM 理解用户意图与业务上下文，通过 SFT/RL 等算法提升金融场景专业能力，通过 Agent 进行任务规划、策略选择与工具调用，动态生成话术、方案和决策建议，持续基于评测与线上反馈自我优化，推动金融业务走向智能体时代。\n【职责】\n负责金融场景的大模型的研发和应用，研究相关技术在AI营销、AI风控、AI客服、AI催收领域的落地价值和解决方案，通过AI赋能业务，大幅提升业务在智能交互、智能决策场景下的效果。 \n研究方向一：基于大模型的多轮对话理解与生成\n1.深入参与对话机器人在数据建设、指令微调、偏好对齐、强化学习、推理优化等环节的建设；\n2.研究和解决大模型落地的关键问题，如检索增强、长文本理解、模型小型化技术等，并提升训练-评测的迭代效率。\n研究方向二：大模型智能体算法研究\n1.负责基于大模型的智能体架构构建，实现复杂问题的理解规划、工具执行以及感知反思能力；\n2.探索最前沿技术，设计算法迭代飞轮，优化大模型基础模型，高效提升模型效果。\n【任职资格】\n1.优秀的探索与创新能力，在ACL/EMNLP/NAACL/NeurIPS/ICML/ICLR等顶级会议上发表论文者优先；\n2.扎实的算法功底，在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；\n3.对大模型前沿算法有热情，有较强的自驱力和良好的动手实践能力，对新事物有强烈的好奇心；\n4.有大模型训练（预训练/微调/对齐）或强化学习有实际项目经验。\n【为什么是我们】\n1.团队致力于大模型在金融场景中全链路的应用落地，场景丰富、价值明确，技术做功空间大；\n2.海量的数据与充足的算力，支持全方位的技术攻坚与创新探索；\n3.团队内技术氛围浓厚，拥有先进的大模型落地经验，成员大多来自国内外名校，对新人有健全的培养体系。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}