美团
【北斗】大模型算法工程师 SFT/RL/Agent方向
【北斗】大模型算法工程师 SFT/RL/Agent方向
发布于 大约 15 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
本科
机器学习工程
Dpo
Grpo
Ppo
Rlvr
Sft
因果推断
大模型
强化学习
机器学习
AI 估算 · 25k–40k
北京大厂算法岗，大模型方向稀缺，校招薪资竞争力强，综合绩效和股票，月薪中位数约3万。
职位详情
关于这个职位
该岗位是美团核心本地商业团队的大模型算法工程师，专注于将SFT、RL、Agent技术应用于营销预算分配决策，构建决策智能体，实现策略自动化与研究闭环
工作涉及模型后训练、强化学习、因果推断与Agent基础设施，适合对大模型和决策智能有浓厚兴趣的校招生
最低要求
必要条件：2027届本科及以上学历，计算机/人工智能/统计学等相关专业
具备扎实的机器学习与深度学习理论基础
工作职责
决策智能体（Agent）：将当前由人工策略规则承担的决策生成环节智能体化
构建面向营销决策的Agent系统，覆盖目标解析与任务分解、数据与模型工具链调用、候选策略生成、实验设计与结果归因、闭环迭代
主要技术挑战：长程规划与上下文管理、工具调用的鲁棒性与幂等性，以及高风险场景下的可控性、可解释性与安全边界——Agent输出直接对应真实资金支出
模型后训练与强化学习：面向业务语料与决策轨迹的后训练全链路：SFT、拒绝采样、偏好对齐（DPO / GRPO / PPO）、RLVR 与可验证奖励设计
LLM驱动的因果推断与智能决策：承接增量目标与全局耦合，要求可信的反事实估计和在预算约束下完成跨单元的边际效率对齐
探索大模型与已有uplift、LTV、在线学习与实时决策底座的耦合
AutoResearch：策略研究的自动化闭环，实现观察→假设→实验设计→执行→归因→认知修正的自动化
Agent基础设施与评测：负责Harness设计、离线评测集与仿真环境构建、决策质量自动化评估体系、训练与推理链路、实验平台
涉及轨迹级评测、rubric与LLM-as-judge的可信度校准、失败模式归因、评测集抗过拟合设计
优先资格
加分项：在WWW/KDD/SIGIR/NeurIPS/ICML/ICLR等顶会有较为丰富的论文成果
ACM/ICPC、Kaggle等竞赛获奖经历
具备Agent系统构建经验，对Harness设计、工具调用协议、上下文工程及Agent评测方法论有系统理解与实践
自动化研究系统经验（AI for Science / AI Scientist类工作、自动化假设生成与实验设计、Agent长期记忆与知识累积机制、自动化数据分析系统等）
因果推断背景（uplift modeling、CATE估计、双重机器学习与双重稳健估计、IPW/离线策略评估等）
搜索、推荐、广告算法背景（多目标排序、竞价与机制设计、在线学习与探索利用权衡、大规模稀疏模型）
AI 洞察
优缺点分析
优点
- 稀缺的真实业务场景：具备硬约束、真实资金代价和小时级反馈闭环，研究环境比静态benchmark更有价值
- 业务杠杆巨大：优化百亿级资金投放效率，成果直接可量化，个人贡献清晰可感
- 团队人才密度高，有完善的老带新机制，鼓励创新试错，适合成长
- 工作强度可能较大，互联网大厂节奏快，且需要持续关注前沿动态
缺点 / 挑战
- 技术难度较高，要求综合掌握强化学习、Agent、因果推断等交叉领域的知识
- 高风险场景下Agent可控性和可解释性要求严格，容错空间小，研发压力大
- 适合对大模型、强化学习和Agent有强烈兴趣，喜欢挑战复杂真实问题，且具备抗压能力的应届生
角色解读
- 从算法工程师成长为技术专家，深耕决策智能与大模型结合领域
- 可横向拓展到流量分配、库存定价等通用序贯决策问题，具备跨业务迁移能力
- 在美团北斗项目下，有潜力成为核心算法负责人，带领团队探索前沿方向
- 将大模型后训练、强化学习与Agent技术应用于营销预算分配决策，优化数亿用户的补贴策略
- 构建决策智能体，实现从目标解析、工具调用到策略生成、归因闭环的自动化决策
- 负责SFT、DPO/GRPO/PPO、RLVR等模型后训练全链路，设计可验证奖励
- 建设Agent基础设施与离线评测体系，包括Harness设计、仿真环境和自动化评估
- 扎实的机器学习与深度学习理论基础，熟悉常见模型架构和训练方法
- 了解大模型后训练技术，如SFT、RLHF、DPO、PPO等，有实际经验更佳
- 具备Agent系统构建经验，理解工具调用、上下文工程、评测方法论
- 加分项：因果推断、搜索推荐广告算法、竞赛或顶会论文
申请策略
- 了解美团核心本地商业的业务场景，思考营销预算分配中的技术挑战，面试时展示对业务的理解
- 关注美团北斗项目的培养计划，在面试中表达对长期成长和研究创新的期待
- 突出相关项目经历：如大模型微调、RLHF、Agent构建或强化学习应用，展示具体成果和技术细节
- 强调论文或竞赛经历（顶会、ACM/ICPC、Kaggle），体现学术能力和工程实现能力
- 如果有因果推断、搜索推荐或广告算法经验，务必明确写出，匹配岗位加分项
- 系统学习大模型后训练和RL算法（PPO、DPO、GRPO），动手实践开源模型
- 深入理解Agent设计框架，如LangChain、AutoGPT，并尝试自己构建一个简单Agent
- 补充因果推断知识，如uplift modeling、双重稳健估计，并思考如何与LLM结合
面试指南
- 采用STAR法则：说明问题背景、具体任务、采取的行动和最终结果，突出量化成果
- 对于算法设计题，先从问题定义和约束条件出发，再给出解决方案，并讨论优缺点和trade-off
- 对于开放性问题，展示思考框架和逻辑性，结合实例说明，避免空谈
- 请举例说明你如何设计一个RLVR的奖励函数，并确保其可验证性
- 如何评估一个决策智能体的效果？你会构建哪些离线评测指标？
- 在工具调用中，如何保证Agent的鲁棒性和幂等性？如果出现错误，如何设计容错机制？
- 如何将因果推断方法应用于营销预算分配中的增量转化估计？
- 谈谈你对大模型在决策智能方向未来发展的看法，以及你的研究兴趣
职位点评
74
综合评分
美团大模型算法岗，前沿技术栈，业务杠杆大，成长快，但工作强度不确定。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
最适合追求技术成长和挑战前沿问题的求职者，能够接受一定的工作强度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活50
使命价值75
薪资福利
70中等
薪资未在JD中说明，但作为上市大厂的核心算法岗，薪酬水平通常具有竞争力，且福利体系完善。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
岗位聚焦前沿技术（大模型、Agent、RL），提供真实业务场景和完整技术链路，成长空间极大，且团队有老带新机制。
技术前沿前沿/新兴技术
技术栈SFT、RL、Agent、DPO、GRPO、PPO、RLVR、因果推断、LLM
成长机会老带新机制、激励及评价体系
业务类型profit_center
工作生活
50较低
未提及弹性工作或远程，默认现场办公，且大厂算法岗可能工作强度较大，WLB不确定性高。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
属于高速增长的大模型赛道，对公司业务有直接贡献，但社会影响主要在于商业效率提升，使命感一般。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
美团 的其他在招职位
相似职位推荐
Watch Jobs