主分类：大模型与生成式算法研发
辅助：Agent系统开发（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": "【LongCat实习】Agentic Coding算法研究员",
"job_level": "实习",AI生成
"work_category": "实习",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、人工智能等相关专业硕士/博士学位优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "和我们一起开发前沿Agentic Coding模型，持续提升模型在长程复杂任务和真实开发场景中的表现，并通过代码提升数字世界的智能上限。加入团队，你将参与如下工作：\n1.代码全链路训练：包括pretrain、midtrain、SFT、RL等环节，持续提升模型在代码生成、代码理解、代码修复等方向的能力边界。\n2.高质量数据建设：构建高质量Coding数据生产、数据配比与数据质量评估体系，覆盖软件工程任务、仓库级代码生成、终端任务、Web开发等方向，推动模型能力持续演进。\n3.Coding 强化学习：构建面向 Coding 场景的大规模 RL 训练体系，研究 Reward Design、Self-Improvement 等关键技术，提升模型在真实任务中的稳定性与泛化能力。\n4.长上下文与 Repo-Level 建模：研究超长上下文代码建模、多文件关联理解、仓库级知识记忆与代码结构建模能力，提升模型对复杂大型项目的理解和生成能力。\n【为什么是我们】\n1.充分参与基模全链路的工作的机会，包括万卡集群上的超大规模训练，前沿算法研究，模型评测与行为研究，以及真实业务落地；\n2.极具挑战的目标和远期愿景，通过代码去持续探索并突破模型智能上限；\n3.对标行业极具竞争力的薪酬与资源支持。",
"requirements_text": "1.具备扎实的机器学习、深度学习、强化学习功底。计算机、人工智能等相关专业硕士/博士学位优先；\n2.动手能力出色，熟练掌握 Python 等编程语言，ACM/ICPC、NOI/IOI、TopCoder、Kaggle 等竞赛获奖者优先；\n3.在 NeurIPS、ICML、ICLR、ACL等国际顶级会议发表论文，或在高质量开源项目中有重要贡献者优先；\n4.具备良好的问题分析与研究能力，能够深入解决大模型训练、推理与 Agent 执行中的复杂问题，对通用智能与下一代软件开发范式有热情。",
"skills": [AI生成
"Python",
"机器学习",
"深度学习",
"强化学习",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "计算机、人工智能等相关专业硕士/博士学位优先；2.动手能力出色，熟练掌握 Python 等编程语言，ACM/ICPC、NOI/IOI、TopCoder、Kaggle 等竞赛获奖者优先；3.在 NeurIPS、ICML、ICLR、ACL等国际顶级会议发表论文，或在高质量开源项目中有重要贡献者优先",
"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=4592968243&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4592968243",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4592968243&jobShareType=1"
},
"fulltext": "【LongCat实习】Agentic Coding算法研究员\n【LongCat实习】Agentic Coding算法研究员\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：2026-06-26\n\n岗位职责\n和我们一起开发前沿Agentic Coding模型，持续提升模型在长程复杂任务和真实开发场景中的表现，并通过代码提升数字世界的智能上限。加入团队，你将参与如下工作：\n1.代码全链路训练：包括pretrain、midtrain、SFT、RL等环节，持续提升模型在代码生成、代码理解、代码修复等方向的能力边界。\n2.高质量数据建设：构建高质量Coding数据生产、数据配比与数据质量评估体系，覆盖软件工程任务、仓库级代码生成、终端任务、Web开发等方向，推动模型能力持续演进。\n3.Coding 强化学习：构建面向 Coding 场景的大规模 RL 训练体系，研究 Reward Design、Self-Improvement 等关键技术，提升模型在真实任务中的稳定性与泛化能力。\n4.长上下文与 Repo-Level 建模：研究超长上下文代码建模、多文件关联理解、仓库级知识记忆与代码结构建模能力，提升模型对复杂大型项目的理解和生成能力。\n【为什么是我们】\n1.充分参与基模全链路的工作的机会，包括万卡集群上的超大规模训练，前沿算法研究，模型评测与行为研究，以及真实业务落地；\n2.极具挑战的目标和远期愿景，通过代码去持续探索并突破模型智能上限；\n3.对标行业极具竞争力的薪酬与资源支持。\n\n岗位基本要求\n1.具备扎实的机器学习、深度学习、强化学习功底。计算机、人工智能等相关专业硕士/博士学位优先；\n2.动手能力出色，熟练掌握 Python 等编程语言，ACM/ICPC、NOI/IOI、TopCoder、Kaggle 等竞赛获奖者优先；\n3.在 NeurIPS、ICML、ICLR、ACL等国际顶级会议发表论文，或在高质量开源项目中有重要贡献者优先；\n4.具备良好的问题分析与研究能力，能够深入解决大模型训练、推理与 Agent 执行中的复杂问题，对通用智能与下一代软件开发范式有热情。\n和我们一起开发前沿Agentic Coding模型，持续提升模型在长程复杂任务和真实开发场景中的表现，并通过代码提升数字世界的智能上限。加入团队，你将参与如下工作：\n1.代码全链路训练：包括pretrain、midtrain、SFT、RL等环节，持续提升模型在代码生成、代码理解、代码修复等方向的能力边界。\n2.高质量数据建设：构建高质量Coding数据生产、数据配比与数据质量评估体系，覆盖软件工程任务、仓库级代码生成、终端任务、Web开发等方向，推动模型能力持续演进。\n3.Coding 强化学习：构建面向 Coding 场景的大规模 RL 训练体系，研究 Reward Design、Self-Improvement 等关键技术，提升模型在真实任务中的稳定性与泛化能力。\n4.长上下文与 Repo-Level 建模：研究超长上下文代码建模、多文件关联理解、仓库级知识记忆与代码结构建模能力，提升模型对复杂大型项目的理解和生成能力。\n【为什么是我们】\n1.充分参与基模全链路的工作的机会，包括万卡集群上的超大规模训练，前沿算法研究，模型评测与行为研究，以及真实业务落地；\n2.极具挑战的目标和远期愿景，通过代码去持续探索并突破模型智能上限；\n3.对标行业极具竞争力的薪酬与资源支持。\n1.具备扎实的机器学习、深度学习、强化学习功底。计算机、人工智能等相关专业硕士/博士学位优先；\n2.动手能力出色，熟练掌握 Python 等编程语言，ACM/ICPC、NOI/IOI、TopCoder、Kaggle 等竞赛获奖者优先；\n3.在 NeurIPS、ICML、ICLR、ACL等国际顶级会议发表论文，或在高质量开源项目中有重要贡献者优先；\n4.具备良好的问题分析与研究能力，能够深入解决大模型训练、推理与 Agent 执行中的复杂问题，对通用智能与下一代软件开发范式有热情。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}