主分类：Agent系统开发
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】数字人直播-Agent算法研究员",
"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届硕士及以上毕业生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【愿景】\n美团数字人直播是本地生活领域最大的数字人直播平台，日播规模已达万级场次、GTV达百亿级规模。智能运营Agent已覆盖百级直播间，累计GTV达亿级规模。团队处于AI与本地生活融合的前沿阵地，致力于通过Agent技术重新定义直播体验。\n\n【你将参与】\n1. Agent系统架构设计与搭建：面向数字人直播场景，设计并搭建端到端的Agent智能体系统架构，涵盖智能选品、动态讲解、场景装修、实时互动等核心能力模块，实现多Agent间的协同调度与决策联动；\n2. Agent核心算法研发与优化：负责Agent在直播场景中的意图理解、任务规划、工具调用、记忆管理等核心算法研发，持续优化Agent的自主决策能力、交互自然度及业务转化率；\n3. LLM后训练与Agent微调：聚焦大模型的指令微调（SFT）、人类反馈强化学习（RLHF/RLVR）等后训练技术，结合Agent场景定制偏好对齐策略，基于Agentic RL提升模型在复杂多轮对话与多步推理任务中的表现；\n4. Agent效果评估与规模化落地：构建面向Agent系统的自动化评测体系，与工程、产品团队紧密协作，将Agent研究成果快速转化为线上直播场景的产品能力，驱动数字人直播从\"被动展示\"到\"主动智能运营\"的规模化升级。",
"requirements_text": "【任职资格】\n基本要求：\n1. 2027届硕士及以上毕业生，计算机科学、人工智能、机器学习、NLP等相关专业；\n2. 扎实的深度学习理论基础，精通PyTorch/TensorFlow，有大规模模型训练经验；\n3. 具备Agent系统设计经验，熟悉Multi-Agent协同架构、工具调用、任务规划等核心技术；\n4. 具备良好的编程能力（C++/Python），ACM/ICPC/NOI等竞赛获奖者优先。\n加分项：\n1. 在NeurIPS、ICML、ICLR、ACL、EMNLP等顶会发表过论文；\n2. 有Agent系统或对话系统的实际项目经验，熟悉LangChain/LangGraph等Agent框架；\n3. 熟悉大模型微调技术（SFT/RLHF/RLVR）及Agentic RL，有相关实践或论文发表者优先；\n4. 对RAG、检索增强生成、对话系统有深入理解。\n【为什么是我们】\n参与本地生活领域最大的数字人直播平台，深度参与Agent智能体系统的设计与落地。拥有海量业务数据和多场景验证机会，可合作发表顶会论文，配备充足的GPU计算资源，资深工程师一对一带教。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"模型训练",
"模型微调",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "4. 具备良好的编程能力（C++/Python），ACM/ICPC/NOI等竞赛获奖者优先；加分项：；3. 熟悉大模型微调技术（SFT/RLHF/RLVR）及Agentic RL，有相关实践或论文发表者优先",
"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=4531751053&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4531751053",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4531751053&jobShareType=1"
},
"fulltext": "【北斗】数字人直播-Agent算法研究员\n【北斗】数字人直播-Agent算法研究员\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美团数字人直播是本地生活领域最大的数字人直播平台，日播规模已达万级场次、GTV达百亿级规模。智能运营Agent已覆盖百级直播间，累计GTV达亿级规模。团队处于AI与本地生活融合的前沿阵地，致力于通过Agent技术重新定义直播体验。\n\n【你将参与】\n1. Agent系统架构设计与搭建：面向数字人直播场景，设计并搭建端到端的Agent智能体系统架构，涵盖智能选品、动态讲解、场景装修、实时互动等核心能力模块，实现多Agent间的协同调度与决策联动；\n2. Agent核心算法研发与优化：负责Agent在直播场景中的意图理解、任务规划、工具调用、记忆管理等核心算法研发，持续优化Agent的自主决策能力、交互自然度及业务转化率；\n3. LLM后训练与Agent微调：聚焦大模型的指令微调（SFT）、人类反馈强化学习（RLHF/RLVR）等后训练技术，结合Agent场景定制偏好对齐策略，基于Agentic RL提升模型在复杂多轮对话与多步推理任务中的表现；\n4. Agent效果评估与规模化落地：构建面向Agent系统的自动化评测体系，与工程、产品团队紧密协作，将Agent研究成果快速转化为线上直播场景的产品能力，驱动数字人直播从\"被动展示\"到\"主动智能运营\"的规模化升级。\n\n岗位基本要求\n【任职资格】\n基本要求：\n1. 2027届硕士及以上毕业生，计算机科学、人工智能、机器学习、NLP等相关专业；\n2. 扎实的深度学习理论基础，精通PyTorch/TensorFlow，有大规模模型训练经验；\n3. 具备Agent系统设计经验，熟悉Multi-Agent协同架构、工具调用、任务规划等核心技术；\n4. 具备良好的编程能力（C++/Python），ACM/ICPC/NOI等竞赛获奖者优先。\n加分项：\n1. 在NeurIPS、ICML、ICLR、ACL、EMNLP等顶会发表过论文；\n2. 有Agent系统或对话系统的实际项目经验，熟悉LangChain/LangGraph等Agent框架；\n3. 熟悉大模型微调技术（SFT/RLHF/RLVR）及Agentic RL，有相关实践或论文发表者优先；\n4. 对RAG、检索增强生成、对话系统有深入理解。\n【为什么是我们】\n参与本地生活领域最大的数字人直播平台，深度参与Agent智能体系统的设计与落地。拥有海量业务数据和多场景验证机会，可合作发表顶会论文，配备充足的GPU计算资源，资深工程师一对一带教。\n【愿景】\n美团数字人直播是本地生活领域最大的数字人直播平台，日播规模已达万级场次、GTV达百亿级规模。智能运营Agent已覆盖百级直播间，累计GTV达亿级规模。团队处于AI与本地生活融合的前沿阵地，致力于通过Agent技术重新定义直播体验。\n\n【你将参与】\n1. Agent系统架构设计与搭建：面向数字人直播场景，设计并搭建端到端的Agent智能体系统架构，涵盖智能选品、动态讲解、场景装修、实时互动等核心能力模块，实现多Agent间的协同调度与决策联动；\n2. Agent核心算法研发与优化：负责Agent在直播场景中的意图理解、任务规划、工具调用、记忆管理等核心算法研发，持续优化Agent的自主决策能力、交互自然度及业务转化率；\n3. LLM后训练与Agent微调：聚焦大模型的指令微调（SFT）、人类反馈强化学习（RLHF/RLVR）等后训练技术，结合Agent场景定制偏好对齐策略，基于Agentic RL提升模型在复杂多轮对话与多步推理任务中的表现；\n4. Agent效果评估与规模化落地：构建面向Agent系统的自动化评测体系，与工程、产品团队紧密协作，将Agent研究成果快速转化为线上直播场景的产品能力，驱动数字人直播从\"被动展示\"到\"主动智能运营\"的规模化升级。\n【任职资格】\n基本要求：\n1. 2027届硕士及以上毕业生，计算机科学、人工智能、机器学习、NLP等相关专业；\n2. 扎实的深度学习理论基础，精通PyTorch/TensorFlow，有大规模模型训练经验；\n3. 具备Agent系统设计经验，熟悉Multi-Agent协同架构、工具调用、任务规划等核心技术；\n4. 具备良好的编程能力（C++/Python），ACM/ICPC/NOI等竞赛获奖者优先。\n加分项：\n1. 在NeurIPS、ICML、ICLR、ACL、EMNLP等顶会发表过论文；\n2. 有Agent系统或对话系统的实际项目经验，熟悉LangChain/LangGraph等Agent框架；\n3. 熟悉大模型微调技术（SFT/RLHF/RLVR）及Agentic RL，有相关实践或论文发表者优先；\n4. 对RAG、检索增强生成、对话系统有深入理解。\n【为什么是我们】\n参与本地生活领域最大的数字人直播平台，深度参与Agent智能体系统的设计与落地。拥有海量业务数据和多场景验证机会，可合作发表顶会论文，配备充足的GPU计算资源，资深工程师一对一带教。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}