【LongCat实习】基础模型通用 agent 算法研究员

优缺点分析

角色解读

• 可在强化学习、多模态AI领域深入发展，成为该方向的核心研究员
• 有机会参与顶级会议论文发表，积累学术影响力，并转入大厂核心团队或深造读博
• 技术能力全面，可向Agent系统架构师或AI产品负责人方向发展
• 从事强化学习后训练范式的探索，优化复杂长程任务的探索引导和信用分配，提升训练的鲁棒性和效率
• 设计模型自进化系统，让模型能构建和利用记忆/技能库，实现自主总结与复用，达到持续进化的效果
• 研究多模态推理与物理环境交互范式，训练模型在真实动态环境中完成长程任务
• 探索群体智能，使模型能自主拆解任务、分工协作并集成智能，提升整体效能
• 扎实的数理基础和第一性思考能力，能自主分析并解决复杂问题
• 熟悉强化学习、大模型训练或Agent等领域，有实际项目或研究经验
• 熟练掌握Python及深度学习框架（如PyTorch），具备工程实现能力
• 良好的沟通协作能力，能快速试验想法并与团队高效合作

申请策略

• 面试准备时重点准备一个你最熟悉的研究或项目，能清晰阐述挑战和解决方案
• 了解美团核心本地商业的业务场景，思考Agent如何实际落地
• 突出强化学习、大模型训练或Agent相关项目经历，说明你的具体贡献和效果
• 如有论文发表或竞赛获奖，务必列出，尤其是顶会一作或CMO/NOI/ACM成绩
• 强调数理基础和分析能力，可通过课程成绩或解题经历体现
• 展示对AI技术的热情，如个人博客、GitHub项目或参与的开源社区
• 提前熟悉RLScaling、PPO、GRPO等强化学习算法框架，并尝试复现相关论文
• 学习多模态模型基础（如CLIP、LLaVA）和Agent框架（如AutoGPT、CrewAI）

面试指南

• 采用STAR法则（情境-任务-行动-结果）结构化回答项目经历，突出你的角色和技术细节
• 对于开放性问题，先明确问题定义，再分步骤提出解决方案，体现逻辑性和第一性原理
• 结合最新论文观点，展示你对前沿方向的关注和理解
• 请详细介绍一下你参与过的强化学习或大模型项目，你遇到了哪些困难？如何解决的？
• 如何设计一个能够自我进化的Agent？请谈谈你的思路
• 你对RL Scaling有什么理解？如何提升credit assignment的效率？
• 在多模态环境中训练长程任务，你认为最大的挑战是什么？
• 你如何看待群体智能？能否举一个实际场景来设计多智能体协作方案？