主分类：搜索推荐与业务决策算法研发
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": "外卖－业务策略算法工程师/专家",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-业务研发平台",
"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": "计算机、人工智能、数学、统计学、运筹学等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 工作内容涉及如下一个或多个：建设需求预测、对象匹配、关系挖掘及排序决策等算法能力，持续提升算法在不同城市、商圈、品类和经营阶段下的泛化效果。建设经营潜力、策略响应和增量价值预估能力，综合运用机器学习、深度学习、因果推断及 Uplift Modeling 等技术，为差异化经营策略提供算法支持。面向有限资源和复杂业务约束，探索运筹优化、强化学习、Contextual Bandit 等决策技术，优化多目标下的资源配置和策略组合，兼顾业务效率、商家体验与长期生态价值。负责外卖业务经营智能方向的算法研发与落地，基于海量交易、经营、用户行为及时空数据，建立对商家、门店、品类和经营场景的理解与刻画能力，识别潜在经营机会及结构性问题。\n2. 结合生成式 AI、大模型和 Agent 技术，建设面向商家经营洞察、智能诊断、策略生成与执行协同的智能能力，探索 RAG、工具调用、规划推理及多 Agent 协同等技术在真实经营场景中的落地。\n3. 负责算法方案从问题抽象、数据分析、模型训练、离线评估、在线实验到生产部署的全链路工作，建立大模型与 Agent 应用的评测和数据反馈闭环，关注准确性、幻觉、成本、时延及安全可控性，并通过 A/B 实验和因果评估持续验证真实业务增量。\n4. 与产品、工程、数据科学及业务团队紧密协作，深入理解业务问题，将复杂经营问题转化为可建模、可验证、可规模化落地的算法与 AI 解决方案。",
"requirements_text": "1. 计算机、人工智能、数学、统计学、运筹学等相关专业本科及以上学历。\n2. 具有扎实的机器学习、深度学习和概率统计基础，熟悉常见的分类、回归、排序、表征学习及预测模型，了解 Transformer、大语言模型和生成式 AI 的基本原理。\n3. 在以下至少一个方向具备深入研究或实际项目经验：\n• 因果推断、Uplift Modeling、异质性效应建模；\n• 运筹优化、组合优化、约束优化；\n• 强化学习、Contextual Bandit、策略学习；\n• 推荐/广告/搜索中的召回、排序或多目标建模；\n• 时间序列预测、图学习或大规模数据挖掘；\n• 大语言模型、RAG、Agent/多 Agent 系统、策略生成或智能自动化。\n4. 对生成式 AI、大模型和 Agent 技术有较强的理解与实践兴趣，熟悉 Prompt Engineering、RAG、Function Calling/Tool Use、规划推理、模型评测等至少一个方向，能够基于主流模型或 API 快速完成原型验证与业务集成。\n5. 具备良好的数据分析和工程实现能力。能够从开放性业务问题中完成问题拆解、指标定义、特征设计、模型构建和效果评估，具备较强的业务理解力与结果意识。\n6. 具有良好的沟通协作能力、自驱力和好奇心，愿意深入业务并持续推动算法及 AI 能力落地。",
"skills": [AI生成
"机器学习",
"深度学习",
"强化学习",
"数据分析",
"数据挖掘",
"建模",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"job_highlights": "团队面向美团外卖的复杂经营场景，建设数据驱动的业务决策与经营智能能力。我们基于海量交易、经营及时空数据，综合运用机器学习、因果推断、运筹优化和强化学习等技术，提升经营机会识别、供需匹配与资源使用效率，帮助商家提升经营水平，推动平台生态长期健康发展。\n这里既有复杂经营场景下的预测、挖掘和效果评估问题，也有多目标、多约束、长期价值决策等算法挑战。期待你和我们一起，将前沿算法应用到大规模本地生活业务中。\n\n岗位亮点：\n1. 业务体量大、数据维度丰富，算法结果能够直接作用于真实经营场景。\n2. 技术方向综合，既包"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4685450398&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4685450398",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4685450398&jobShareType=1"
},
"fulltext": "外卖－业务策略算法工程师/专家\n外卖－业务策略算法工程师/专家\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-业务研发平台\n职位类别：技术类\n职位族群：算法\n更新时间：2026-08-12\n\n岗位职责\n1. 工作内容涉及如下一个或多个：建设需求预测、对象匹配、关系挖掘及排序决策等算法能力，持续提升算法在不同城市、商圈、品类和经营阶段下的泛化效果。建设经营潜力、策略响应和增量价值预估能力，综合运用机器学习、深度学习、因果推断及 Uplift Modeling 等技术，为差异化经营策略提供算法支持。面向有限资源和复杂业务约束，探索运筹优化、强化学习、Contextual Bandit 等决策技术，优化多目标下的资源配置和策略组合，兼顾业务效率、商家体验与长期生态价值。负责外卖业务经营智能方向的算法研发与落地，基于海量交易、经营、用户行为及时空数据，建立对商家、门店、品类和经营场景的理解与刻画能力，识别潜在经营机会及结构性问题。\n2. 结合生成式 AI、大模型和 Agent 技术，建设面向商家经营洞察、智能诊断、策略生成与执行协同的智能能力，探索 RAG、工具调用、规划推理及多 Agent 协同等技术在真实经营场景中的落地。\n3. 负责算法方案从问题抽象、数据分析、模型训练、离线评估、在线实验到生产部署的全链路工作，建立大模型与 Agent 应用的评测和数据反馈闭环，关注准确性、幻觉、成本、时延及安全可控性，并通过 A/B 实验和因果评估持续验证真实业务增量。\n4. 与产品、工程、数据科学及业务团队紧密协作，深入理解业务问题，将复杂经营问题转化为可建模、可验证、可规模化落地的算法与 AI 解决方案。\n\n岗位基本要求\n1. 计算机、人工智能、数学、统计学、运筹学等相关专业本科及以上学历。\n2. 具有扎实的机器学习、深度学习和概率统计基础，熟悉常见的分类、回归、排序、表征学习及预测模型，了解 Transformer、大语言模型和生成式 AI 的基本原理。\n3. 在以下至少一个方向具备深入研究或实际项目经验：\n• 因果推断、Uplift Modeling、异质性效应建模；\n• 运筹优化、组合优化、约束优化；\n• 强化学习、Contextual Bandit、策略学习；\n• 推荐/广告/搜索中的召回、排序或多目标建模；\n• 时间序列预测、图学习或大规模数据挖掘；\n• 大语言模型、RAG、Agent/多 Agent 系统、策略生成或智能自动化。\n4. 对生成式 AI、大模型和 Agent 技术有较强的理解与实践兴趣，熟悉 Prompt Engineering、RAG、Function Calling/Tool Use、规划推理、模型评测等至少一个方向，能够基于主流模型或 API 快速完成原型验证与业务集成。\n5. 具备良好的数据分析和工程实现能力。能够从开放性业务问题中完成问题拆解、指标定义、特征设计、模型构建和效果评估，具备较强的业务理解力与结果意识。\n6. 具有良好的沟通协作能力、自驱力和好奇心，愿意深入业务并持续推动算法及 AI 能力落地。\n\n岗位亮点\n团队面向美团外卖的复杂经营场景，建设数据驱动的业务决策与经营智能能力。我们基于海量交易、经营及时空数据，综合运用机器学习、因果推断、运筹优化和强化学习等技术，提升经营机会识别、供需匹配与资源使用效率，帮助商家提升经营水平，推动平台生态长期健康发展。\n这里既有复杂经营场景下的预测、挖掘和效果评估问题，也有多目标、多约束、长期价值决策等算法挑战。期待你和我们一起，将前沿算法应用到大规模本地生活业务中。\n\n岗位亮点：\n1. 业务体量大、数据维度丰富，算法结果能够直接作用于真实经营场景。\n2. 技术方向综合，既包括预测、挖掘和排序，也包括因果推断、运筹优化及序列决策。\n3. 面向多主体、多目标、多约束的复杂决策问题，具有较强的技术挑战和长期研究价值。\n4. 算法距离业务结果近，可以完整参与从问题定义到效果落地的全过程。\n1. 工作内容涉及如下一个或多个：建设需求预测、对象匹配、关系挖掘及排序决策等算法能力，持续提升算法在不同城市、商圈、品类和经营阶段下的泛化效果。建设经营潜力、策略响应和增量价值预估能力，综合运用机器学习、深度学习、因果推断及 Uplift Modeling 等技术，为差异化经营策略提供算法支持。面向有限资源和复杂业务约束，探索运筹优化、强化学习、Contextual Bandit 等决策技术，优化多目标下的资源配置和策略组合，兼顾业务效率、商家体验与长期生态价值。负责外卖业务经营智能方向的算法研发与落地，基于海量交易、经营、用户行为及时空数据，建立对商家、门店、品类和经营场景的理解与刻画能力，识别潜在经营机会及结构性问题。\n2. 结合生成式 AI、大模型和 Agent 技术，建设面向商家经营洞察、智能诊断、策略生成与执行协同的智能能力，探索 RAG、工具调用、规划推理及多 Agent 协同等技术在真实经营场景中的落地。\n3. 负责算法方案从问题抽象、数据分析、模型训练、离线评估、在线实验到生产部署的全链路工作，建立大模型与 Agent 应用的评测和数据反馈闭环，关注准确性、幻觉、成本、时延及安全可控性，并通过 A/B 实验和因果评估持续验证真实业务增量。\n4. 与产品、工程、数据科学及业务团队紧密协作，深入理解业务问题，将复杂经营问题转化为可建模、可验证、可规模化落地的算法与 AI 解决方案。\n1. 计算机、人工智能、数学、统计学、运筹学等相关专业本科及以上学历。\n2. 具有扎实的机器学习、深度学习和概率统计基础，熟悉常见的分类、回归、排序、表征学习及预测模型，了解 Transformer、大语言模型和生成式 AI 的基本原理。\n3. 在以下至少一个方向具备深入研究或实际项目经验：\n• 因果推断、Uplift Modeling、异质性效应建模；\n• 运筹优化、组合优化、约束优化；\n• 强化学习、Contextual Bandit、策略学习；\n• 推荐/广告/搜索中的召回、排序或多目标建模；\n• 时间序列预测、图学习或大规模数据挖掘；\n• 大语言模型、RAG、Agent/多 Agent 系统、策略生成或智能自动化。\n4. 对生成式 AI、大模型和 Agent 技术有较强的理解与实践兴趣，熟悉 Prompt Engineering、RAG、Function Calling/Tool Use、规划推理、模型评测等至少一个方向，能够基于主流模型或 API 快速完成原型验证与业务集成。\n5. 具备良好的数据分析和工程实现能力。能够从开放性业务问题中完成问题拆解、指标定义、特征设计、模型构建和效果评估，具备较强的业务理解力与结果意识。\n6. 具有良好的沟通协作能力、自驱力和好奇心，愿意深入业务并持续推动算法及 AI 能力落地。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}