主分类：大模型与生成式算法研发
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": "大模型算法工程师（强化方向）",
"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": "计算机科学、自动化、数学、统计学等相关专业硕士或博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责大语言模型强化学习全链路优化，包括高质量训练数据构建、奖励模型迭代（Reward Model / Process RM）、RL策略训练（PPO/DPO/GRPO等），持续提升模型推理质量与对齐效果；\n2. 探索强化学习前沿技术并推动落地，包括但不限于：推理时计算优化（Test-time Compute）、基于搜索的推理增强、多步Agent决策优化、在线学习与自我进化；\n3. 将大模型能力与美团搜索、推荐、广告等核心业务场景深度结合，设计并迭代基于RL的策略模型，实现可量化的业务目标提升。",
"requirements_text": "1. 计算机科学、自动化、数学、统计学等相关专业硕士或博士，扎实的数学基础和编程能力；\n2. 精通强化学习核心算法（Policy Gradient、PPO、DPO、GRPO等），理解Reward Modeling和RLHF/RLAIF对齐技术原理，有LLM对齐相关项目实践经验优先；\n3. 熟悉PyTorch，有大规模分布式训练经验（DeepSpeed/Megatron-LM/FSDP），能独立完成从数据处理到模型训练部署的全流程；\n4. 有以下经验者优先：大语言模型推理优化（vLLM/TensorRT-LLM）、Agent/工具调用场景RL训练、搜索推荐系统强化学习应用；\n5. 在ICML、NeurIPS、ICLR等顶级会议发表RL/LLM方向论文者优先；\n6. 良好的逻辑思维和沟通能力，自驱力强，乐于挑战开放性技术问题。\n岗位亮点：\n1. 前沿技术深水区：直接参与千亿参数大模型的RL训练，每天面对业界最前沿的Scaling RL挑战；\n2. 端到端闭环落地：从算法研究到亿级用户场景验证，你的每一行代码都能产生真实业务价值，拒绝纸上谈兵；\n3. 技术驱动文化：团队鼓励顶会投稿、内部技术分享，你可以在工作中同步保持学术竞争力。",
"skills": [AI生成
"PyTorch",
"强化学习",
"模型训练",
"沟通能力",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "2. 精通强化学习核心算法（Policy Gradient、PPO、DPO、GRPO等），理解Reward Modeling和RLHF/RLAIF对齐技术原理，有LLM对齐相关项目实践经验优先；4. 有以下经验者优先：大语言模型推理优化（vLLM/TensorRT-LLM）、Agent/工具调用场景RL训练、搜索推荐系统强化学习应用；5. 在ICML、NeurIPS、ICLR等顶级会议发表RL/LLM方向论文者优先",
"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=4697275345&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4697275345",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4697275345&jobShareType=1"
},
"fulltext": "大模型算法工程师（强化方向）\n大模型算法工程师（强化方向）\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：2026-08-17\n\n岗位职责\n1. 负责大语言模型强化学习全链路优化，包括高质量训练数据构建、奖励模型迭代（Reward Model / Process RM）、RL策略训练（PPO/DPO/GRPO等），持续提升模型推理质量与对齐效果；\n2. 探索强化学习前沿技术并推动落地，包括但不限于：推理时计算优化（Test-time Compute）、基于搜索的推理增强、多步Agent决策优化、在线学习与自我进化；\n3. 将大模型能力与美团搜索、推荐、广告等核心业务场景深度结合，设计并迭代基于RL的策略模型，实现可量化的业务目标提升。\n\n岗位基本要求\n1. 计算机科学、自动化、数学、统计学等相关专业硕士或博士，扎实的数学基础和编程能力；\n2. 精通强化学习核心算法（Policy Gradient、PPO、DPO、GRPO等），理解Reward Modeling和RLHF/RLAIF对齐技术原理，有LLM对齐相关项目实践经验优先；\n3. 熟悉PyTorch，有大规模分布式训练经验（DeepSpeed/Megatron-LM/FSDP），能独立完成从数据处理到模型训练部署的全流程；\n4. 有以下经验者优先：大语言模型推理优化（vLLM/TensorRT-LLM）、Agent/工具调用场景RL训练、搜索推荐系统强化学习应用；\n5. 在ICML、NeurIPS、ICLR等顶级会议发表RL/LLM方向论文者优先；\n6. 良好的逻辑思维和沟通能力，自驱力强，乐于挑战开放性技术问题。\n岗位亮点：\n1. 前沿技术深水区：直接参与千亿参数大模型的RL训练，每天面对业界最前沿的Scaling RL挑战；\n2. 端到端闭环落地：从算法研究到亿级用户场景验证，你的每一行代码都能产生真实业务价值，拒绝纸上谈兵；\n3. 技术驱动文化：团队鼓励顶会投稿、内部技术分享，你可以在工作中同步保持学术竞争力。\n1. 负责大语言模型强化学习全链路优化，包括高质量训练数据构建、奖励模型迭代（Reward Model / Process RM）、RL策略训练（PPO/DPO/GRPO等），持续提升模型推理质量与对齐效果；\n2. 探索强化学习前沿技术并推动落地，包括但不限于：推理时计算优化（Test-time Compute）、基于搜索的推理增强、多步Agent决策优化、在线学习与自我进化；\n3. 将大模型能力与美团搜索、推荐、广告等核心业务场景深度结合，设计并迭代基于RL的策略模型，实现可量化的业务目标提升。\n1. 计算机科学、自动化、数学、统计学等相关专业硕士或博士，扎实的数学基础和编程能力；\n2. 精通强化学习核心算法（Policy Gradient、PPO、DPO、GRPO等），理解Reward Modeling和RLHF/RLAIF对齐技术原理，有LLM对齐相关项目实践经验优先；\n3. 熟悉PyTorch，有大规模分布式训练经验（DeepSpeed/Megatron-LM/FSDP），能独立完成从数据处理到模型训练部署的全流程；\n4. 有以下经验者优先：大语言模型推理优化（vLLM/TensorRT-LLM）、Agent/工具调用场景RL训练、搜索推荐系统强化学习应用；\n5. 在ICML、NeurIPS、ICLR等顶级会议发表RL/LLM方向论文者优先；\n6. 良好的逻辑思维和沟通能力，自驱力强，乐于挑战开放性技术问题。\n岗位亮点：\n1. 前沿技术深水区：直接参与千亿参数大模型的RL训练，每天面对业界最前沿的Scaling RL挑战；\n2. 端到端闭环落地：从算法研究到亿级用户场景验证，你的每一行代码都能产生真实业务价值，拒绝纸上谈兵；\n3. 技术驱动文化：团队鼓励顶会投稿、内部技术分享，你可以在工作中同步保持学术竞争力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}