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": "智能决策算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京市",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "设计适配用户、商家、骑手、平台的4方平台分配机制和算法，提升日均6000万订单的履约体验，优化500万骑手的效率和收入。具体职责如下：\n1. 探索万人万单的超大规模匹配算法：针对调度系统内多样的调度决策行为进行分析，包括但不限于过滤、压单、指派、推荐、改派等，基于模仿学习、强化学习等方法对已有的调度决策行为端到端建模，使用PyTorch/TensorFlow等深度学习框架进行模型训练与迭代，持续提升调度效果；\n2. 设计平台多角色多目标的决策机制：针对调度分单的平台属性，探索场景化的模型预测和多目标决策能力，利用强化学习与多目标优化算法（如帕累托优化）相结合的方法，提升调度决策系统针对不同场景的多目标决策能力；\n3. 构建针对海量骑手和商家行为数据的超大模型：基于海量骑手的接单、路线规划、取餐和交付数据，以及商家不同场景下的出餐行为数据，使用大模型技术构建适配调度的全链路商家、骑手行为预测模型，为调度决策提供精准信息支撑。",
"requirements_text": "1. 优秀的发现问题、调研和创新能力，有决策智能、强化学习、模仿学习等相关方向论文发表候选人优先；\n2. 熟练使用PyTorch、TensorFlow等深度学习框架，有强化学习或模仿学习实际项目落地经验者优先；有在Kaggle等数据科学竞赛中取得优秀成绩，或GitHub有完整AI/ML项目经历、参与知名开源AI项目候选人优先；\n3. 具备好奇心和技术驱动的创新抱负，善于利用AI辅助工具提升研发效率。\n岗位亮点：\n1. 核心的业务场景：全球超大规模即时业务（外卖、闪购、买药等）能够运转的基石，直接影响百万骑手收入和上亿用户体验；\n2. 极富挑战的技术问题：接触最前沿的调度决策体系，基于调度大规模、强不确定性、高实时性要求，进行最前沿的端到端调度决策研究，业务影响力与研究深度并重；\n3. 顶尖的团队水平：团队氛围好、研究实力强，团队工作入选2023年Franz Edelman奖（被广泛誉为工业工程界的\"诺贝尔奖\"），发表多篇顶会论文，在行业内具有国际领先水平；\n4. 完善的培养机制：会安排高水平的mentor进行指导，注重业务和技术上并重的培养方式，高质量的内外部交流分享机会；\n5. AI前沿的工作环境：团队全面拥抱AI时代工作方式，日常研发中深度使用AI辅助工具（如大模型辅助代码开发、AI辅助实验分析与论文写作），技术与工具始终走在行业前沿。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"深度学习",
"强化学习",
"大语言模型"
],
"preferred_qualifications": "1. 优秀的发现问题、调研和创新能力，有决策智能、强化学习、模仿学习等相关方向论文发表候选人优先；2. 熟练使用PyTorch、TensorFlow等深度学习框架，有强化学习或模仿学习实际项目落地经验者优先；有在Kaggle等数据科学竞赛中取得优秀成绩，或GitHub有完整AI/ML项目经历、参与知名开源AI项目候选人优先",
"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=4697322104&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4697322104",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4697322104&jobShareType=1"
},
"fulltext": "智能决策算法工程师\n智能决策算法工程师\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\n设计适配用户、商家、骑手、平台的4方平台分配机制和算法，提升日均6000万订单的履约体验，优化500万骑手的效率和收入。具体职责如下：\n1. 探索万人万单的超大规模匹配算法：针对调度系统内多样的调度决策行为进行分析，包括但不限于过滤、压单、指派、推荐、改派等，基于模仿学习、强化学习等方法对已有的调度决策行为端到端建模，使用PyTorch/TensorFlow等深度学习框架进行模型训练与迭代，持续提升调度效果；\n2. 设计平台多角色多目标的决策机制：针对调度分单的平台属性，探索场景化的模型预测和多目标决策能力，利用强化学习与多目标优化算法（如帕累托优化）相结合的方法，提升调度决策系统针对不同场景的多目标决策能力；\n3. 构建针对海量骑手和商家行为数据的超大模型：基于海量骑手的接单、路线规划、取餐和交付数据，以及商家不同场景下的出餐行为数据，使用大模型技术构建适配调度的全链路商家、骑手行为预测模型，为调度决策提供精准信息支撑。\n\n岗位基本要求\n1. 优秀的发现问题、调研和创新能力，有决策智能、强化学习、模仿学习等相关方向论文发表候选人优先；\n2. 熟练使用PyTorch、TensorFlow等深度学习框架，有强化学习或模仿学习实际项目落地经验者优先；有在Kaggle等数据科学竞赛中取得优秀成绩，或GitHub有完整AI/ML项目经历、参与知名开源AI项目候选人优先；\n3. 具备好奇心和技术驱动的创新抱负，善于利用AI辅助工具提升研发效率。\n岗位亮点：\n1. 核心的业务场景：全球超大规模即时业务（外卖、闪购、买药等）能够运转的基石，直接影响百万骑手收入和上亿用户体验；\n2. 极富挑战的技术问题：接触最前沿的调度决策体系，基于调度大规模、强不确定性、高实时性要求，进行最前沿的端到端调度决策研究，业务影响力与研究深度并重；\n3. 顶尖的团队水平：团队氛围好、研究实力强，团队工作入选2023年Franz Edelman奖（被广泛誉为工业工程界的\"诺贝尔奖\"），发表多篇顶会论文，在行业内具有国际领先水平；\n4. 完善的培养机制：会安排高水平的mentor进行指导，注重业务和技术上并重的培养方式，高质量的内外部交流分享机会；\n5. AI前沿的工作环境：团队全面拥抱AI时代工作方式，日常研发中深度使用AI辅助工具（如大模型辅助代码开发、AI辅助实验分析与论文写作），技术与工具始终走在行业前沿。\n设计适配用户、商家、骑手、平台的4方平台分配机制和算法，提升日均6000万订单的履约体验，优化500万骑手的效率和收入。具体职责如下：\n1. 探索万人万单的超大规模匹配算法：针对调度系统内多样的调度决策行为进行分析，包括但不限于过滤、压单、指派、推荐、改派等，基于模仿学习、强化学习等方法对已有的调度决策行为端到端建模，使用PyTorch/TensorFlow等深度学习框架进行模型训练与迭代，持续提升调度效果；\n2. 设计平台多角色多目标的决策机制：针对调度分单的平台属性，探索场景化的模型预测和多目标决策能力，利用强化学习与多目标优化算法（如帕累托优化）相结合的方法，提升调度决策系统针对不同场景的多目标决策能力；\n3. 构建针对海量骑手和商家行为数据的超大模型：基于海量骑手的接单、路线规划、取餐和交付数据，以及商家不同场景下的出餐行为数据，使用大模型技术构建适配调度的全链路商家、骑手行为预测模型，为调度决策提供精准信息支撑。\n1. 优秀的发现问题、调研和创新能力，有决策智能、强化学习、模仿学习等相关方向论文发表候选人优先；\n2. 熟练使用PyTorch、TensorFlow等深度学习框架，有强化学习或模仿学习实际项目落地经验者优先；有在Kaggle等数据科学竞赛中取得优秀成绩，或GitHub有完整AI/ML项目经历、参与知名开源AI项目候选人优先；\n3. 具备好奇心和技术驱动的创新抱负，善于利用AI辅助工具提升研发效率。\n岗位亮点：\n1. 核心的业务场景：全球超大规模即时业务（外卖、闪购、买药等）能够运转的基石，直接影响百万骑手收入和上亿用户体验；\n2. 极富挑战的技术问题：接触最前沿的调度决策体系，基于调度大规模、强不确定性、高实时性要求，进行最前沿的端到端调度决策研究，业务影响力与研究深度并重；\n3. 顶尖的团队水平：团队氛围好、研究实力强，团队工作入选2023年Franz Edelman奖（被广泛誉为工业工程界的\"诺贝尔奖\"），发表多篇顶会论文，在行业内具有国际领先水平；\n4. 完善的培养机制：会安排高水平的mentor进行指导，注重业务和技术上并重的培养方式，高质量的内外部交流分享机会；\n5. AI前沿的工作环境：团队全面拥抱AI时代工作方式，日常研发中深度使用AI辅助工具（如大模型辅助代码开发、AI辅助实验分析与论文写作），技术与工具始终走在行业前沿。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}