主分类：大模型与生成式算法研发
辅助：搜索推荐与业务决策算法研发（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 SFT/RL/Agent方向",
"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届本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "该岗位将大模型后训练、强化学习与 Agent 技术应用于在线约束资源分配决策系统。调度规模化营销预算，覆盖数亿用户，具备小时级真实反馈闭环。系统求解的核心问题是带全局预算约束的序贯决策——在预算硬约束下确定补贴的对象、额度、形态与时机，使增量转化、长期用户价值与投入产出比等全局目标最优\n【你将参与】\n1. 决策智能体（Agent）：将当前由人工策略规则承担的决策生成环节智能体化。构建面向营销决策的 Agent 系统，覆盖目标解析与任务分解、数据与模型工具链调用、候选策略生成、实验设计与结果归因、闭环迭代。主要技术挑战：长程规划与上下文管理、工具调用的鲁棒性与幂等性，以及高风险场景下的可控性、可解释性与安全边界——Agent 输出直接对应真实资金支出\n2. 模型后训练与强化学习：面向业务语料与决策轨迹的后训练全链路：SFT、拒绝采样、偏好对齐（DPO / GRPO / PPO）、RLVR 与可验证奖励设计\n3. LLM 驱动的因果推断与智能决策：本方向直接承接增量目标与全局耦合：前者要求可信的反事实估计，后者要求在预算约束下完成跨单元的边际效率对齐。团队已有成熟的 uplift、LTV、在线学习与实时决策底座支撑线上业务，本方向探索大模型与该体系的耦合\n4. AutoResearch：策略研究的自动化闭环。营销策略迭代在方法论上等价于科学研究过程：观察 → 假设 → 实验设计 → 执行 → 归因 → 认知修正。该循环当前由人工驱动，速率上限即研究者带宽\n5. Agent 基础设施与评测：噪声反馈意味着线上实验代价高、信号慢，前四个方向的迭代都依赖可信的离线评估作为前置筛选，本方向提供该前提。负责 Harness 设计、离线评测集与仿真环境构建、决策质量自动化评估体系、训练与推理链路、实验平台。\"如何度量决策类 Agent 的能力提升\"本身是开放研究问题，涉及轨迹级评测、rubric 与 LLM-as-judge 的可信度校准、失败模式归因、评测集抗过拟合设计",
"requirements_text": "【岗位职责】\n必要条件：\n2027届本科及以上学历，计算机/人工智能/统计学等相关专业\n具备扎实的机器学习与深度学习理论基础\n加分项：\n在 WWW/KDD/SIGIR/NeurIPS/ICML/ICLR 等顶会有较为丰富的论文成果\nACM/ICPC、Kaggle 等竞赛获奖经历\n具备Agent 系统构建经验：独立搭建过 Agent 或多 Agent 系统，对 Harness 设计、工具调用协议、上下文工程及 Agent 评测方法论（benchmark 构建、轨迹级评估、自动化 judge、失败模式分析）有系统理解与实践\n自动化研究系统经验：AI for Science / AI Scientist 类工作、自动化假设生成与实验设计、Agent 长期记忆与知识累积机制、自动化数据分析系统等方向的研究或工程实践\n因果推断背景：系统学习或研究过 uplift modeling、CATE 估计、双重机器学习与双重稳健估计、IPW / 离线策略评估、实验设计与因果识别策略；在 LLM 与因果推断交叉方向（LLM 辅助因果发现、反事实推理、causal representation learning）有探索经历者优先\n搜索、推荐、广告算法背景：多目标排序、竞价与机制设计、在线学习与探索利用权衡、大规模稀疏模型的学习、研究或工业实践\n【为什么是我们】\n1.研究环境稀缺：多数 Agent 与后训练研究的评价止于静态 benchmark 或仿真环境。本岗位同时具备硬约束、真实资金代价与小时级无偏反馈，策略优劣由线上实验判定——该量级的实时决策反馈数据与实验能力在学术环境中不可得，在工业界亦不多见。\n2.业务杠杆直接：为年度百亿规模的直接资金投放，分配效率每提升一个百分点即对应可计量的绝对收益。\n3.方法论可外推：带全局约束的序贯资源分配是一类通用问题结构，与流量分配、库存与定价、算力调度同构。本场景中验证有效的奖励设计、约束优化与 Agent 决策范式可迁移至上述问题，成果不局限于单一业务。\n4.能力链路完整：从因果识别、奖励设计、RL 训练到线上部署与实验归因由同一人贯穿，而非承担分工切片中的单一环节；\n5.组织能力及团队氛围：鼓励大胆创新、包容试错探索，为年轻同学创造最好的实战舞台；团队中有多名北斗人才密度高；完善的老带新机制；公平公开、简单清晰的激励及评价体系。",
"skills": [AI生成
"机器学习",
"深度学习",
"数据分析",
"大语言模型"
],
"preferred_qualifications": "加分项：；在 LLM 与因果推断交叉方向（LLM 辅助因果发现、反事实推理、causal representation learning）有探索经历者优先",
"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=4683995941&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4683995941",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4683995941&jobShareType=1"
},
"fulltext": "【北斗】大模型算法工程师 SFT/RL/Agent方向\n【北斗】大模型算法工程师 SFT/RL/Agent方向\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：2026-08-10\n\n岗位职责\n该岗位将大模型后训练、强化学习与 Agent 技术应用于在线约束资源分配决策系统。调度规模化营销预算，覆盖数亿用户，具备小时级真实反馈闭环。系统求解的核心问题是带全局预算约束的序贯决策——在预算硬约束下确定补贴的对象、额度、形态与时机，使增量转化、长期用户价值与投入产出比等全局目标最优\n【你将参与】\n1. 决策智能体（Agent）：将当前由人工策略规则承担的决策生成环节智能体化。构建面向营销决策的 Agent 系统，覆盖目标解析与任务分解、数据与模型工具链调用、候选策略生成、实验设计与结果归因、闭环迭代。主要技术挑战：长程规划与上下文管理、工具调用的鲁棒性与幂等性，以及高风险场景下的可控性、可解释性与安全边界——Agent 输出直接对应真实资金支出\n2. 模型后训练与强化学习：面向业务语料与决策轨迹的后训练全链路：SFT、拒绝采样、偏好对齐（DPO / GRPO / PPO）、RLVR 与可验证奖励设计\n3. LLM 驱动的因果推断与智能决策：本方向直接承接增量目标与全局耦合：前者要求可信的反事实估计，后者要求在预算约束下完成跨单元的边际效率对齐。团队已有成熟的 uplift、LTV、在线学习与实时决策底座支撑线上业务，本方向探索大模型与该体系的耦合\n4. AutoResearch：策略研究的自动化闭环。营销策略迭代在方法论上等价于科学研究过程：观察 → 假设 → 实验设计 → 执行 → 归因 → 认知修正。该循环当前由人工驱动，速率上限即研究者带宽\n5. Agent 基础设施与评测：噪声反馈意味着线上实验代价高、信号慢，前四个方向的迭代都依赖可信的离线评估作为前置筛选，本方向提供该前提。负责 Harness 设计、离线评测集与仿真环境构建、决策质量自动化评估体系、训练与推理链路、实验平台。\"如何度量决策类 Agent 的能力提升\"本身是开放研究问题，涉及轨迹级评测、rubric 与 LLM-as-judge 的可信度校准、失败模式归因、评测集抗过拟合设计\n\n岗位基本要求\n【岗位职责】\n必要条件：\n2027届本科及以上学历，计算机/人工智能/统计学等相关专业\n具备扎实的机器学习与深度学习理论基础\n加分项：\n在 WWW/KDD/SIGIR/NeurIPS/ICML/ICLR 等顶会有较为丰富的论文成果\nACM/ICPC、Kaggle 等竞赛获奖经历\n具备Agent 系统构建经验：独立搭建过 Agent 或多 Agent 系统，对 Harness 设计、工具调用协议、上下文工程及 Agent 评测方法论（benchmark 构建、轨迹级评估、自动化 judge、失败模式分析）有系统理解与实践\n自动化研究系统经验：AI for Science / AI Scientist 类工作、自动化假设生成与实验设计、Agent 长期记忆与知识累积机制、自动化数据分析系统等方向的研究或工程实践\n因果推断背景：系统学习或研究过 uplift modeling、CATE 估计、双重机器学习与双重稳健估计、IPW / 离线策略评估、实验设计与因果识别策略；在 LLM 与因果推断交叉方向（LLM 辅助因果发现、反事实推理、causal representation learning）有探索经历者优先\n搜索、推荐、广告算法背景：多目标排序、竞价与机制设计、在线学习与探索利用权衡、大规模稀疏模型的学习、研究或工业实践\n【为什么是我们】\n1.研究环境稀缺：多数 Agent 与后训练研究的评价止于静态 benchmark 或仿真环境。本岗位同时具备硬约束、真实资金代价与小时级无偏反馈，策略优劣由线上实验判定——该量级的实时决策反馈数据与实验能力在学术环境中不可得，在工业界亦不多见。\n2.业务杠杆直接：为年度百亿规模的直接资金投放，分配效率每提升一个百分点即对应可计量的绝对收益。\n3.方法论可外推：带全局约束的序贯资源分配是一类通用问题结构，与流量分配、库存与定价、算力调度同构。本场景中验证有效的奖励设计、约束优化与 Agent 决策范式可迁移至上述问题，成果不局限于单一业务。\n4.能力链路完整：从因果识别、奖励设计、RL 训练到线上部署与实验归因由同一人贯穿，而非承担分工切片中的单一环节；\n5.组织能力及团队氛围：鼓励大胆创新、包容试错探索，为年轻同学创造最好的实战舞台；团队中有多名北斗人才密度高；完善的老带新机制；公平公开、简单清晰的激励及评价体系。\n该岗位将大模型后训练、强化学习与 Agent 技术应用于在线约束资源分配决策系统。调度规模化营销预算，覆盖数亿用户，具备小时级真实反馈闭环。系统求解的核心问题是带全局预算约束的序贯决策——在预算硬约束下确定补贴的对象、额度、形态与时机，使增量转化、长期用户价值与投入产出比等全局目标最优\n【你将参与】\n1. 决策智能体（Agent）：将当前由人工策略规则承担的决策生成环节智能体化。构建面向营销决策的 Agent 系统，覆盖目标解析与任务分解、数据与模型工具链调用、候选策略生成、实验设计与结果归因、闭环迭代。主要技术挑战：长程规划与上下文管理、工具调用的鲁棒性与幂等性，以及高风险场景下的可控性、可解释性与安全边界——Agent 输出直接对应真实资金支出\n2. 模型后训练与强化学习：面向业务语料与决策轨迹的后训练全链路：SFT、拒绝采样、偏好对齐（DPO / GRPO / PPO）、RLVR 与可验证奖励设计\n3. LLM 驱动的因果推断与智能决策：本方向直接承接增量目标与全局耦合：前者要求可信的反事实估计，后者要求在预算约束下完成跨单元的边际效率对齐。团队已有成熟的 uplift、LTV、在线学习与实时决策底座支撑线上业务，本方向探索大模型与该体系的耦合\n4. AutoResearch：策略研究的自动化闭环。营销策略迭代在方法论上等价于科学研究过程：观察 → 假设 → 实验设计 → 执行 → 归因 → 认知修正。该循环当前由人工驱动，速率上限即研究者带宽\n5. Agent 基础设施与评测：噪声反馈意味着线上实验代价高、信号慢，前四个方向的迭代都依赖可信的离线评估作为前置筛选，本方向提供该前提。负责 Harness 设计、离线评测集与仿真环境构建、决策质量自动化评估体系、训练与推理链路、实验平台。\"如何度量决策类 Agent 的能力提升\"本身是开放研究问题，涉及轨迹级评测、rubric 与 LLM-as-judge 的可信度校准、失败模式归因、评测集抗过拟合设计\n【岗位职责】\n必要条件：\n2027届本科及以上学历，计算机/人工智能/统计学等相关专业\n具备扎实的机器学习与深度学习理论基础\n加分项：\n在 WWW/KDD/SIGIR/NeurIPS/ICML/ICLR 等顶会有较为丰富的论文成果\nACM/ICPC、Kaggle 等竞赛获奖经历\n具备Agent 系统构建经验：独立搭建过 Agent 或多 Agent 系统，对 Harness 设计、工具调用协议、上下文工程及 Agent 评测方法论（benchmark 构建、轨迹级评估、自动化 judge、失败模式分析）有系统理解与实践\n自动化研究系统经验：AI for Science / AI Scientist 类工作、自动化假设生成与实验设计、Agent 长期记忆与知识累积机制、自动化数据分析系统等方向的研究或工程实践\n因果推断背景：系统学习或研究过 uplift modeling、CATE 估计、双重机器学习与双重稳健估计、IPW / 离线策略评估、实验设计与因果识别策略；在 LLM 与因果推断交叉方向（LLM 辅助因果发现、反事实推理、causal representation learning）有探索经历者优先\n搜索、推荐、广告算法背景：多目标排序、竞价与机制设计、在线学习与探索利用权衡、大规模稀疏模型的学习、研究或工业实践\n【为什么是我们】\n1.研究环境稀缺：多数 Agent 与后训练研究的评价止于静态 benchmark 或仿真环境。本岗位同时具备硬约束、真实资金代价与小时级无偏反馈，策略优劣由线上实验判定——该量级的实时决策反馈数据与实验能力在学术环境中不可得，在工业界亦不多见。\n2.业务杠杆直接：为年度百亿规模的直接资金投放，分配效率每提升一个百分点即对应可计量的绝对收益。\n3.方法论可外推：带全局约束的序贯资源分配是一类通用问题结构，与流量分配、库存与定价、算力调度同构。本场景中验证有效的奖励设计、约束优化与 Agent 决策范式可迁移至上述问题，成果不局限于单一业务。\n4.能力链路完整：从因果识别、奖励设计、RL 训练到线上部署与实验归因由同一人贯穿，而非承担分工切片中的单一环节；\n5.组织能力及团队氛围：鼓励大胆创新、包容试错探索，为年轻同学创造最好的实战舞台；团队中有多名北斗人才密度高；完善的老带新机制；公平公开、简单清晰的激励及评价体系。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}