JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "【北斗实习】大模型应用算法工程师-【AI搜索 & Agent RL】",
"job_level": "",AI生成
"work_category": "校招-3",AI生成
"department": "核心本地商业-业务研发平台",
"location": "北京市",
"work_mode": "",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "",
"company_size": "",
"company_website": "",
"company_description": ""
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "",
"cycle": ""
},
"benefits": ""
},
"requirements": {
"working_years": "",
"degree": "",
"language": "",AI生成
"visa_support": "",
"responsibilities": "【北斗实习】大模型应用算法工程师-【AI搜索 & Agent RL】\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发布时间:2025-05-27\n\n岗位职责\n【课题说明】\nAgentic Search是以大模型为核心,具备自主感知、推理与行动能力的搜索新范式。它通过理解用户复杂意图,动态规划搜索路径,主动调用多种工具和数据源,持续优化结果推荐与交互体验。本课题旨在研究和构建面向美团App本地生活服务的Agentic Search系统,探索其在多轮对话、复杂任务分解、实时信息整合等场景下的关键技术与应用价值,推动本地生活智能搜索技术的创新升级。\n【建议研究方向】\n1.意图理解与任务分解:探索大模型在复杂用户需求下的多意图识别、任务分解、子任务规划能力,提升系统对复合型检索场景的适应性和响应能力。\n2.多轮工具调用技术研究:赋予LLM长链路的多轮工具调用能力,打造基于强化学习等前沿技术的LLM后训练方案,提升多轮调用时的精确性及用户的实际交互体验。\n3.增量学习训练技术探索:针对本地生活场景中数据不断更新的特点,运用增量学习技术,使 AI 搜索模型能够快速适应新数据。\n搜索结果可解释性提升:探索基于大模型内容深度理解与推理的可解释理由生成,增强用户对搜索结果的信任感和透明度。\n\n岗位基本要求\n海内外高校在校本科生(大三及以上)、硕士生及博士生,且以下条件至少满足一项:\n1)超级学霸:专业成绩排名前1%。\n2)学术达人:在顶级期刊或学术会议上以第一作者身份发表论文(或导师一作,自己为二作)。\n3)竞赛大神:在顶级大赛上获奖。\n4)工程高手:有大厂实验室的实习经验,或有贡献突出的开源项目。",
"requirements_text": "",
"skills": [],AI生成
"preferred_qualifications": "",
"job_highlights": ""
},
"contact": {
"recruiter_name": "",
"contact_methods": []
},
"posting": {
"posting_id": "3394467312",
"post_date": "2025-05-27",
"hire_time": "",
"update_date": "",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3394467312&jobShareType=1"
},
"fulltext": "【北斗实习】大模型应用算法工程师-【AI搜索 & Agent RL】\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发布时间:2025-05-27\n\n岗位职责\n【课题说明】\nAgentic Search是以大模型为核心,具备自主感知、推理与行动能力的搜索新范式。它通过理解用户复杂意图,动态规划搜索路径,主动调用多种工具和数据源,持续优化结果推荐与交互体验。本课题旨在研究和构建面向美团App本地生活服务的Agentic Search系统,探索其在多轮对话、复杂任务分解、实时信息整合等场景下的关键技术与应用价值,推动本地生活智能搜索技术的创新升级。\n【建议研究方向】\n1.意图理解与任务分解:探索大模型在复杂用户需求下的多意图识别、任务分解、子任务规划能力,提升系统对复合型检索场景的适应性和响应能力。\n2.多轮工具调用技术研究:赋予LLM长链路的多轮工具调用能力,打造基于强化学习等前沿技术的LLM后训练方案,提升多轮调用时的精确性及用户的实际交互体验。\n3.增量学习训练技术探索:针对本地生活场景中数据不断更新的特点,运用增量学习技术,使 AI 搜索模型能够快速适应新数据。\n搜索结果可解释性提升:探索基于大模型内容深度理解与推理的可解释理由生成,增强用户对搜索结果的信任感和透明度。\n\n岗位基本要求\n海内外高校在校本科生(大三及以上)、硕士生及博士生,且以下条件至少满足一项:\n1)超级学霸:专业成绩排名前1%。\n2)学术达人:在顶级期刊或学术会议上以第一作者身份发表论文(或导师一作,自己为二作)。\n3)竞赛大神:在顶级大赛上获奖。\n4)工程高手:有大厂实验室的实习经验,或有贡献突出的开源项目。"
}