外卖－业务策略算法工程师/专家

优缺点分析

角色解读

• 在技术深度上，可以成长为算法专家或技术领军人物，深耕因果推断、大模型等前沿方向
• 在业务理解上，可以成为懂业务和技术的复合型人才，晋升为技术负责人或产品负责人
• 平台大、业务复杂，有机会接触多场景多目标决策问题，积累丰富的实战经验
• 负责外卖业务经营智能方向的算法研发，包括需求预测、对象匹配、排序决策等，提升算法泛化能力
• 综合运用因果推断、运筹优化、强化学习等技术，为差异化经营策略提供算法支持，优化资源配置
• 结合大模型和Agent技术，建设商家经营洞察、智能诊断、策略生成等智能能力，并探索RAG、工具调用等落地
• 负责算法全链路开发，从问题抽象到模型部署，并通过A/B实验和因果评估验证业务增量
• 扎实的机器学习、深度学习和概率统计基础，熟悉常见预测模型和Transformer等
• 在因果推断、运筹优化、强化学习、推荐排序、时间序列预测或大模型等至少一个方向有深入研究
• 熟悉生成式AI、大模型和Agent技术，掌握Prompt Engineering、RAG、Function Calling等
• 具备良好的数据分析和工程实现能力，能够将业务问题转化为可建模、可评估的算法方案

申请策略

• 了解美团外卖业务和当前技术挑战，在面试中展示对业务的思考
• 关注团队的技术博客或公开分享，了解团队文化和技术方向
• 突出在因果推断、运筹优化或大模型方向的实战项目，展示具体业务效果
• 强调从问题定义到落地的完整项目经历，包括模型设计、评估和上线
• 展示对生成式AI、Agent技术的理解和实践，如RAG、工具调用等
• 如果参与过开源项目或发表过相关论文，也是重要加分项
• 补充学习大模型和Agent相关技术，如LangChain、LlamaIndex等框架，动手做一个小项目
• 复习机器学习基础，特别是因果推断和Uplift Modeling，准备相关案例

面试指南

• 回答项目类问题可采用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)
• 针对算法设计问题，先明确目标和约束，再提出解决方案，注意结合外卖场景的特点
• 对评估类问题，强调离线评估和在线实验的结合，以及业务指标的定义
• 如何设计一个针对外卖商家的经营潜力评估模型？
• 你如何理解Uplift Modeling？在什么场景下使用？如何评估效果？
• 请介绍一个你使用大模型或Agent解决实际问题的项目
• 在运筹优化中，如何处理多目标冲突？
• 如何通过A/B实验验证算法带来的业务增量？