{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【大模型北斗实习】大规模 Post-training 算法架构前沿研究",
        "job_level": "",AI生成
        "work_category": "校招-3",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": "",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": "【大模型北斗实习】大规模 Post-training 算法架构前沿研究\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,硬件,软件\n发布时间：2025-03-18\n\n岗位职责\nPost-training 是提升大模型专项能力的核心技术方向之一，包括不限于复杂推理（Reasoning）、价值观对齐（Alignment）、业务Agent应用等研究方向。\n本课题研究方向包括但不限于：\n1）实现高效灵活的多模型强化学习训练架构。\n2）通过合理灵活动态配置资源，提升PPO及各变种算法运行效率。\n3）研究低精度在 Post-training 中的应用方式。\n4）研究不同的算法+数据对效果的影响。\n5）在复杂框架下，研究如何高效的追踪记录训练过程，提升算法探索效率。\n\n岗位基本要求\n1）熟悉大规模分布式训练、推理、量化等技术之一。\n2）熟悉常用的训练推理框架，vLLM、SGLang、Megatron、Deepspeed等。\n3）熟悉强化学习算法。\n加分项：相关领域开源项目或发表高水平论文。",
        "requirements_text": "",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": []
    },
    "posting": {
        "posting_id": "3153937173",
        "post_date": "2025-03-18",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3153937173&jobShareType=1"
    },
    "fulltext": "【大模型北斗实习】大规模 Post-training 算法架构前沿研究\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,硬件,软件\n发布时间：2025-03-18\n\n岗位职责\nPost-training 是提升大模型专项能力的核心技术方向之一，包括不限于复杂推理（Reasoning）、价值观对齐（Alignment）、业务Agent应用等研究方向。\n本课题研究方向包括但不限于：\n1）实现高效灵活的多模型强化学习训练架构。\n2）通过合理灵活动态配置资源，提升PPO及各变种算法运行效率。\n3）研究低精度在 Post-training 中的应用方式。\n4）研究不同的算法+数据对效果的影响。\n5）在复杂框架下，研究如何高效的追踪记录训练过程，提升算法探索效率。\n\n岗位基本要求\n1）熟悉大规模分布式训练、推理、量化等技术之一。\n2）熟悉常用的训练推理框架，vLLM、SGLang、Megatron、Deepspeed等。\n3）熟悉强化学习算法。\n加分项：相关领域开源项目或发表高水平论文。"
}