主分类：机器人与自动驾驶算法研发
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": "【LongCat大模型人才校招】具身智能前沿研究",
"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": "计算机科学、自动化、机器人、机械或相关领域应届（2026/2027）硕士/博士研究生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "参与探索具身智能基础模型的架构和范式，从系统架构、数据策略、模型结构、训练策略等角度切入，参与算法研究、系统工程和数据工程，打造具有更强能力和更高潜力的基座模型。\n1.多源数据的合成和处理，包括：egocentric video 数据、仿真数据、UMI 采集数据、真机遥操作数据等\n2.具身智能系统的架构设计，Agent 系统、大小脑和 Monitor 等多层次结构\n3.模型泛化性探索：无需额外训练实现跨本体多任务；基于少量演示数据作为上下文，增强模型能力；基于自动探索，在线学习新技能。\n4.模型全流程，预训练、mid train、SFT、强化学习、部署和评测等\n\n同时参与具身智能方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进：\n1.具身智能相关的仿真环境、资产、场景、任务自动化生成与重建（3D生成/场景理解）\n2.仿真环境内的轨迹自动化生成方法（数据引擎/合成数据）\n3.egocentric video 数据的有效使用\n4.基于多模态大模型的泛化具身智能 Agent 系统研究\n5.模型泛化性研究和主动探索研究\n6.其他你坚信路线正确的具身智能前沿方向\n【为什么是我们】\n1.加入美团 LongCat 基座大模型核心团队，直接参与具身智能方向的原创研究，成果可直接产出论文或落地产品；\n2.充足的 GPU 算力资源支持，研究不卡资源；\n3.多位在 AI、机器人、计算机图形学领域有丰富发表经验的前辈一对一指导，快速成长；\n4.追求卓越和鼓励创新的团队氛围。",
"requirements_text": "基本要求：\n1.计算机科学、自动化、机器人、机械或相关领域应届（2026/2027）硕士/博士研究生；\n2.具备扎实编程能力，熟练掌握 Python 及 PyTorch；熟悉 C++ 者优先；\n3.对具身智能、机器人、强化学习、计算机图形学或多模态大模型中至少一个方向有深入的理论基础与研究积累；\n4.有较强的自驱力和独立解决问题的能力，能在模糊环境中推进研究；\n5.不满足于复现，有自己的研究判断和技术直觉。能够把握\"什么是真正重要的问题\"，在正确方向上深挖；\n6.乐于在跨学科团队（算法、工程、硬件）中协作推进，研究成果能转化为可落地的系统；\n具备以下者优先：\n1.在 AI、机器人、计算机图形学等领域 CCF-A 类或同级顶会/顶刊（如 CVPR/ICCV/CoRL/RSS/NeurIPS 等）发表论文（第一作者/共同一作优先）；\n2.主导过有实质影响力的开源项目或技术突破（如在机器人操作、具身导航、世界模型等领域）；\n3.有大型科研项目或有影响力开源项目的核心贡献经历；\n4.参与国际/国内顶级算法竞赛并获得名次。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"强化学习",
"解决问题",
"大语言模型"
],
"preferred_qualifications": "熟悉 C++ 者优先；具备以下者优先：；1.在 AI、机器人、计算机图形学等领域 CCF-A 类或同级顶会/顶刊（如 CVPR/ICCV/CoRL/RSS/NeurIPS 等）发表论文（第一作者/共同一作优先）",
"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=4531838140&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4531838140",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4531838140&jobShareType=1"
},
"fulltext": "【LongCat大模型人才校招】具身智能前沿研究\n【LongCat大模型人才校招】具身智能前沿研究\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参与探索具身智能基础模型的架构和范式，从系统架构、数据策略、模型结构、训练策略等角度切入，参与算法研究、系统工程和数据工程，打造具有更强能力和更高潜力的基座模型。\n1.多源数据的合成和处理，包括：egocentric video 数据、仿真数据、UMI 采集数据、真机遥操作数据等\n2.具身智能系统的架构设计，Agent 系统、大小脑和 Monitor 等多层次结构\n3.模型泛化性探索：无需额外训练实现跨本体多任务；基于少量演示数据作为上下文，增强模型能力；基于自动探索，在线学习新技能。\n4.模型全流程，预训练、mid train、SFT、强化学习、部署和评测等\n\n同时参与具身智能方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进：\n1.具身智能相关的仿真环境、资产、场景、任务自动化生成与重建（3D生成/场景理解）\n2.仿真环境内的轨迹自动化生成方法（数据引擎/合成数据）\n3.egocentric video 数据的有效使用\n4.基于多模态大模型的泛化具身智能 Agent 系统研究\n5.模型泛化性研究和主动探索研究\n6.其他你坚信路线正确的具身智能前沿方向\n【为什么是我们】\n1.加入美团 LongCat 基座大模型核心团队，直接参与具身智能方向的原创研究，成果可直接产出论文或落地产品；\n2.充足的 GPU 算力资源支持，研究不卡资源；\n3.多位在 AI、机器人、计算机图形学领域有丰富发表经验的前辈一对一指导，快速成长；\n4.追求卓越和鼓励创新的团队氛围。\n\n岗位基本要求\n基本要求：\n1.计算机科学、自动化、机器人、机械或相关领域应届（2026/2027）硕士/博士研究生；\n2.具备扎实编程能力，熟练掌握 Python 及 PyTorch；熟悉 C++ 者优先；\n3.对具身智能、机器人、强化学习、计算机图形学或多模态大模型中至少一个方向有深入的理论基础与研究积累；\n4.有较强的自驱力和独立解决问题的能力，能在模糊环境中推进研究；\n5.不满足于复现，有自己的研究判断和技术直觉。能够把握\"什么是真正重要的问题\"，在正确方向上深挖；\n6.乐于在跨学科团队（算法、工程、硬件）中协作推进，研究成果能转化为可落地的系统；\n具备以下者优先：\n1.在 AI、机器人、计算机图形学等领域 CCF-A 类或同级顶会/顶刊（如 CVPR/ICCV/CoRL/RSS/NeurIPS 等）发表论文（第一作者/共同一作优先）；\n2.主导过有实质影响力的开源项目或技术突破（如在机器人操作、具身导航、世界模型等领域）；\n3.有大型科研项目或有影响力开源项目的核心贡献经历；\n4.参与国际/国内顶级算法竞赛并获得名次。\n参与探索具身智能基础模型的架构和范式，从系统架构、数据策略、模型结构、训练策略等角度切入，参与算法研究、系统工程和数据工程，打造具有更强能力和更高潜力的基座模型。\n1.多源数据的合成和处理，包括：egocentric video 数据、仿真数据、UMI 采集数据、真机遥操作数据等\n2.具身智能系统的架构设计，Agent 系统、大小脑和 Monitor 等多层次结构\n3.模型泛化性探索：无需额外训练实现跨本体多任务；基于少量演示数据作为上下文，增强模型能力；基于自动探索，在线学习新技能。\n4.模型全流程，预训练、mid train、SFT、强化学习、部署和评测等\n\n同时参与具身智能方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进：\n1.具身智能相关的仿真环境、资产、场景、任务自动化生成与重建（3D生成/场景理解）\n2.仿真环境内的轨迹自动化生成方法（数据引擎/合成数据）\n3.egocentric video 数据的有效使用\n4.基于多模态大模型的泛化具身智能 Agent 系统研究\n5.模型泛化性研究和主动探索研究\n6.其他你坚信路线正确的具身智能前沿方向\n【为什么是我们】\n1.加入美团 LongCat 基座大模型核心团队，直接参与具身智能方向的原创研究，成果可直接产出论文或落地产品；\n2.充足的 GPU 算力资源支持，研究不卡资源；\n3.多位在 AI、机器人、计算机图形学领域有丰富发表经验的前辈一对一指导，快速成长；\n4.追求卓越和鼓励创新的团队氛围。\n基本要求：\n1.计算机科学、自动化、机器人、机械或相关领域应届（2026/2027）硕士/博士研究生；\n2.具备扎实编程能力，熟练掌握 Python 及 PyTorch；熟悉 C++ 者优先；\n3.对具身智能、机器人、强化学习、计算机图形学或多模态大模型中至少一个方向有深入的理论基础与研究积累；\n4.有较强的自驱力和独立解决问题的能力，能在模糊环境中推进研究；\n5.不满足于复现，有自己的研究判断和技术直觉。能够把握\"什么是真正重要的问题\"，在正确方向上深挖；\n6.乐于在跨学科团队（算法、工程、硬件）中协作推进，研究成果能转化为可落地的系统；\n具备以下者优先：\n1.在 AI、机器人、计算机图形学等领域 CCF-A 类或同级顶会/顶刊（如 CVPR/ICCV/CoRL/RSS/NeurIPS 等）发表论文（第一作者/共同一作优先）；\n2.主导过有实质影响力的开源项目或技术突破（如在机器人操作、具身导航、世界模型等领域）；\n3.有大型科研项目或有影响力开源项目的核心贡献经历；\n4.参与国际/国内顶级算法竞赛并获得名次。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}