主分类：大模型与生成式算法研发
辅助：Agent系统开发（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": "大模型应用算法工程师（智能客服）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-基础研发平台",
"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": "计算机、人工智能、数学等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责智能客服大模型和Agent核心能力建设，包括知识与指令遵循、复杂推理、多轮决策、自我纠错及Skill/工具调用等能力的优化和落地。\n2. 参与大模型后训练，围绕高质量数据构建、SFT、偏好对齐和强化学习等技术，持续提升模型的复杂问题解决能力。\n3. 建设数据、评测与线上反馈闭环，推动大模型在客服机器人、风控、舆情等场景的效果优化和规模化落地。\n4. 参与Agentic RL、Skill自进化、语音多模态等前沿技术探索，挖掘大模型与Agent的新能力和新场景.",
"requirements_text": "1. 计算机、人工智能、数学等相关专业硕士及以上学历，两年以上大模型、智能体或相关领域研发经验。\n2. 具备扎实的大模型训练和调优背景，熟悉主流的大语言模型（Deepseek、Qwen、Llama等）及其他开源模型。精通至少一种深度学习框架（如TensorFlow, PyTorch）。\n3. 在以下至少一个技术领域有深入研究和丰富的实践经验：\n- 智能客服大模型\n- 复杂指令遵循、逻辑和数学推理、结合知识约束的推理、DPO、强化学习等\n- 大模型问答系统，RAG、Function Call等\n- Agent模型、多智能体系统\n4. 熟练掌握机器学习和深度学习的理论知识，并具备目标导向和数据思维。\n5. 具备优秀的算法设计和实现能力，能够独立完成算法的需求分析、方案设计、代码实现和效果评估，有发表顶会论文（ACL/AAAI/EMNLP/ICML/ICLR等）者优先。\n6. 具备良好的团队合作精神和沟通能力，能够与产品、工程团队高效协作。\n7. 宽广的技术视野，强烈的钻研精神，主观能动性和学习能力，适应快速变化的技术趋势。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"算法设计",
"模型训练",
"需求分析",
"团队协作",
"沟通能力",
"学习能力",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "5. 具备优秀的算法设计和实现能力，能够独立完成算法的需求分析、方案设计、代码实现和效果评估，有发表顶会论文（ACL/AAAI/EMNLP/ICML/ICLR等）者优先",
"job_highlights": "1. 深度参与智能客服核心业务，直接影响千万级用户的服务体验。 \n2. 与优秀算法团队共事，接触最前沿的大模型技术与真实海量业务场景。 \n3. 提供广阔的技术成长空间与清晰的职业发展路径。 \n4. 工作地点覆盖北京、上海，支持灵活办公与多元化团队文化。"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4702437501&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4702437501",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4702437501&jobShareType=1"
},
"fulltext": "大模型应用算法工程师（智能客服）\n大模型应用算法工程师（智能客服）\n\n基础信息\n工作地点：北京市 / 上海市\n部门：核心本地商业-基础研发平台\n职位类别：技术类\n职位族群：算法\n更新时间：2026-09-10\n\n岗位职责\n1. 负责智能客服大模型和Agent核心能力建设，包括知识与指令遵循、复杂推理、多轮决策、自我纠错及Skill/工具调用等能力的优化和落地。\n2. 参与大模型后训练，围绕高质量数据构建、SFT、偏好对齐和强化学习等技术，持续提升模型的复杂问题解决能力。\n3. 建设数据、评测与线上反馈闭环，推动大模型在客服机器人、风控、舆情等场景的效果优化和规模化落地。\n4. 参与Agentic RL、Skill自进化、语音多模态等前沿技术探索，挖掘大模型与Agent的新能力和新场景.\n\n岗位基本要求\n1. 计算机、人工智能、数学等相关专业硕士及以上学历，两年以上大模型、智能体或相关领域研发经验。\n2. 具备扎实的大模型训练和调优背景，熟悉主流的大语言模型（Deepseek、Qwen、Llama等）及其他开源模型。精通至少一种深度学习框架（如TensorFlow, PyTorch）。\n3. 在以下至少一个技术领域有深入研究和丰富的实践经验：\n- 智能客服大模型\n- 复杂指令遵循、逻辑和数学推理、结合知识约束的推理、DPO、强化学习等\n- 大模型问答系统，RAG、Function Call等\n- Agent模型、多智能体系统\n4. 熟练掌握机器学习和深度学习的理论知识，并具备目标导向和数据思维。\n5. 具备优秀的算法设计和实现能力，能够独立完成算法的需求分析、方案设计、代码实现和效果评估，有发表顶会论文（ACL/AAAI/EMNLP/ICML/ICLR等）者优先。\n6. 具备良好的团队合作精神和沟通能力，能够与产品、工程团队高效协作。\n7. 宽广的技术视野，强烈的钻研精神，主观能动性和学习能力，适应快速变化的技术趋势。\n\n岗位亮点\n1. 深度参与智能客服核心业务，直接影响千万级用户的服务体验。 \n2. 与优秀算法团队共事，接触最前沿的大模型技术与真实海量业务场景。 \n3. 提供广阔的技术成长空间与清晰的职业发展路径。 \n4. 工作地点覆盖北京、上海，支持灵活办公与多元化团队文化。\n1. 负责智能客服大模型和Agent核心能力建设，包括知识与指令遵循、复杂推理、多轮决策、自我纠错及Skill/工具调用等能力的优化和落地。\n2. 参与大模型后训练，围绕高质量数据构建、SFT、偏好对齐和强化学习等技术，持续提升模型的复杂问题解决能力。\n3. 建设数据、评测与线上反馈闭环，推动大模型在客服机器人、风控、舆情等场景的效果优化和规模化落地。\n4. 参与Agentic RL、Skill自进化、语音多模态等前沿技术探索，挖掘大模型与Agent的新能力和新场景.\n1. 计算机、人工智能、数学等相关专业硕士及以上学历，两年以上大模型、智能体或相关领域研发经验。\n2. 具备扎实的大模型训练和调优背景，熟悉主流的大语言模型（Deepseek、Qwen、Llama等）及其他开源模型。精通至少一种深度学习框架（如TensorFlow, PyTorch）。\n3. 在以下至少一个技术领域有深入研究和丰富的实践经验：\n- 智能客服大模型\n- 复杂指令遵循、逻辑和数学推理、结合知识约束的推理、DPO、强化学习等\n- 大模型问答系统，RAG、Function Call等\n- Agent模型、多智能体系统\n4. 熟练掌握机器学习和深度学习的理论知识，并具备目标导向和数据思维。\n5. 具备优秀的算法设计和实现能力，能够独立完成算法的需求分析、方案设计、代码实现和效果评估，有发表顶会论文（ACL/AAAI/EMNLP/ICML/ICLR等）者优先。\n6. 具备良好的团队合作精神和沟通能力，能够与产品、工程团队高效协作。\n7. 宽广的技术视野，强烈的钻研精神，主观能动性和学习能力，适应快速变化的技术趋势。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}