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": "大模型搜索推荐算法工程师",
"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 美团多个推荐场景算法设计优化，包括被动触达渠道和主动触达渠道，设计触发、召回、排序、机制全链路模型算法演进应用落地，为数亿量级全部美团用户服务；\n2. 从服务共性解决方案出发，探索迁移学习、强化学习、可解释性推荐、异构建模等模型算法落地；\n3. 优化多个推荐渠道联动效果，给予用户一致性体验；\n4. 深耕业务特点和生活场景，设计并实现个性化推荐系统全链路优化；\n5. 探索大模型在搜索推荐场景的应用，包括LLM驱动的语义召回与重排、生成式推荐（Generative\n Recommendation）、大模型辅助特征工程与用户理解等前沿方向。",
"requirements_text": "1. 本科及以上学历；\n2. 扎实的编程能力和数据结构基础，较强的业务问题分析和解决能力；\n3. 熟悉常用的机器学习、深度学习或强化学习算法；\n4. 了解大语言模型的基本原理，对LLM在搜索推荐领域的应用有初步了解或实践经验；\n5. 自驱主动，沟通良好，有团队协作精神。\n\n具备以下经验者优先：\n1. 发表过创新性顶会论文；\n2. 在Kaggle等平台上取得靠前名次；\n3. 有LLM4Rec相关研究或实践经验；\n4. 熟悉RAG、Agent等大模型应用范式，有在搜索推荐场景落地的经验。\n\n【岗位亮点】\n1. 亿级DAU、海量用户数据、复杂多业务场景；\n2. 大模型与搜索推荐深度融合，可参与LLM4Rec前沿范式探索；\n3. 充足的计算资源和海量数据，快速积累AI在搜推方向的落地经验；\n4. 团队技术卓越，发表多篇顶会论文。",
"skills": [AI生成
"机器学习",
"深度学习",
"强化学习",
"数据结构",
"团队协作",
"大语言模型"
],
"preferred_qualifications": "具备以下经验者优先：",
"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=4697274397&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4697274397",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4697274397&jobShareType=1"
},
"fulltext": "大模型搜索推荐算法工程师\n大模型搜索推荐算法工程师\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：2026-08-17\n\n岗位职责\n1. 美团多个推荐场景算法设计优化，包括被动触达渠道和主动触达渠道，设计触发、召回、排序、机制全链路模型算法演进应用落地，为数亿量级全部美团用户服务；\n2. 从服务共性解决方案出发，探索迁移学习、强化学习、可解释性推荐、异构建模等模型算法落地；\n3. 优化多个推荐渠道联动效果，给予用户一致性体验；\n4. 深耕业务特点和生活场景，设计并实现个性化推荐系统全链路优化；\n5. 探索大模型在搜索推荐场景的应用，包括LLM驱动的语义召回与重排、生成式推荐（Generative\n Recommendation）、大模型辅助特征工程与用户理解等前沿方向。\n\n岗位基本要求\n1. 本科及以上学历；\n2. 扎实的编程能力和数据结构基础，较强的业务问题分析和解决能力；\n3. 熟悉常用的机器学习、深度学习或强化学习算法；\n4. 了解大语言模型的基本原理，对LLM在搜索推荐领域的应用有初步了解或实践经验；\n5. 自驱主动，沟通良好，有团队协作精神。\n\n具备以下经验者优先：\n1. 发表过创新性顶会论文；\n2. 在Kaggle等平台上取得靠前名次；\n3. 有LLM4Rec相关研究或实践经验；\n4. 熟悉RAG、Agent等大模型应用范式，有在搜索推荐场景落地的经验。\n\n【岗位亮点】\n1. 亿级DAU、海量用户数据、复杂多业务场景；\n2. 大模型与搜索推荐深度融合，可参与LLM4Rec前沿范式探索；\n3. 充足的计算资源和海量数据，快速积累AI在搜推方向的落地经验；\n4. 团队技术卓越，发表多篇顶会论文。\n1. 美团多个推荐场景算法设计优化，包括被动触达渠道和主动触达渠道，设计触发、召回、排序、机制全链路模型算法演进应用落地，为数亿量级全部美团用户服务；\n2. 从服务共性解决方案出发，探索迁移学习、强化学习、可解释性推荐、异构建模等模型算法落地；\n3. 优化多个推荐渠道联动效果，给予用户一致性体验；\n4. 深耕业务特点和生活场景，设计并实现个性化推荐系统全链路优化；\n5. 探索大模型在搜索推荐场景的应用，包括LLM驱动的语义召回与重排、生成式推荐（Generative\n Recommendation）、大模型辅助特征工程与用户理解等前沿方向。\n1. 本科及以上学历；\n2. 扎实的编程能力和数据结构基础，较强的业务问题分析和解决能力；\n3. 熟悉常用的机器学习、深度学习或强化学习算法；\n4. 了解大语言模型的基本原理，对LLM在搜索推荐领域的应用有初步了解或实践经验；\n5. 自驱主动，沟通良好，有团队协作精神。\n\n具备以下经验者优先：\n1. 发表过创新性顶会论文；\n2. 在Kaggle等平台上取得靠前名次；\n3. 有LLM4Rec相关研究或实践经验；\n4. 熟悉RAG、Agent等大模型应用范式，有在搜索推荐场景落地的经验。\n\n【岗位亮点】\n1. 亿级DAU、海量用户数据、复杂多业务场景；\n2. 大模型与搜索推荐深度融合，可参与LLM4Rec前沿范式探索；\n3. 充足的计算资源和海量数据，快速积累AI在搜推方向的落地经验；\n4. 团队技术卓越，发表多篇顶会论文。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}