Meituan logo
美团
大模型/Agent算法工程师

大模型/Agent算法工程师

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.5万 · AI 参考估算
中级经验
硕士
全职员工仅现场办公AI算法
AI算法
Llm后训练
Pytorch
Sft
多Agent协作
多模态理解
大模型
强化学习
模型评测

值不值得投

79综合评分

综合评分 79

前沿大模型Agent核心项目,成长与技术价值突出,办公灵活性未明确

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

5.0万

比AI算法中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 6880 个在招 · 其中AI算法 64 个

市场机会

选择面较广

北京 · AI算法 · 约 240 个在招

职位详情

关于这个职位

该岗位面向医药健康AI助手项目,聚焦大模型Agent架构、多Agent协作、工具调用、垂类模型后训练与自动化评测

你将参与面向C端用户的AI问诊、对症找药、药品问答等核心能力建设,推动真实医疗场景中的智能化决策体验落地

最低要求

计算机、人工智能、强化学习、数学、统计学相关专业硕士及以上学历

在顶级期刊或国际会议(如CCF-A)上论文者优先
具备扎实的大模型训练和调优经验,熟悉主流的大语言模型(Deepseek、Qwen、Llama等)及其他开源模型原理
精通至少一种深度学习框架(如TensorFlow, PyTorch),并具备良好的编程能力(Python, Java等)
具有优异的理解能力和逻辑思维能力,能够在复杂场景下分解和抽象问题,提供优秀、完整、可行的解决方案
对解决挑战性问题充满激情,较强的责任心、主动性和韧性,能良好的沟通协作
具备良好的AI胜任力,能较好使用AI工具提升工作成果,将AI更好的融入个人和团队工作流

工作职责

面向C端用户的医药健康AI助手项目旨在重塑用户未来的看病范式,给用户提供AI问诊、对症找药、药品问答、医疗科普等多元化核心能力,在用户诊前、诊中、诊后的关键环节提供专业的医疗决策支持,从而促进线上看病一体化链路的打通,率先形成线上便捷+专业的看病入口

研究方向一:Agent技术架构研究
对医药健康场景进行任务拆解和建模,构建具备自主决策、动态规划能力的智能系统架构,实现复杂场景下任务的自动化执行
构建医药场景各项专业的子Agent能力,优化多Agent之间的协作逻辑,满足用户灵活的多轮对话交互需求
优化LLM长链路的多轮工具调用能力,提升工具调用时的准确率及用户的实际交互体验
研究方向二:垂类模型后训练优化
探索基于真实医疗场景病例的合成数据方案,快速积累高质量医疗训练数据
构建多阶段后训练范式,通过SFT优化模型在病情采集、诊断、推药、问药任务下的效果,同时基于RL不断提升模型医疗推理能力
设计并优化模型的多模态理解、思考和推理能力,支持真实临床场景下基于检验报告和影像图片的问诊需求
研究方向三:模型自动化评测研究
构建医学场景评测体系,在专业性和用户体验维度构建多维度benchmark,指导模型的迭代方向
设计并优化用户模拟器,还原真实线上多轮对话问诊场景下的模型效果评测
结合专业医生标注数据,训练医疗各能力项的Critic模型,提升模型评测效率和结果可靠性

优先资格

在顶级期刊或国际会议(如CCF-A)上论文者优先

AI 洞察

优缺点分析

优点

  • 岗位处于大模型Agent和医疗健康AI结合的前沿方向,技术积累具有较强稀缺性和延展性
  • 项目面向真实C端用户和核心业务场景,算法优化效果能够快速得到用户反馈和业务验证
  • JD明确提到前沿技术、成长空间、核心项目和创新试验文化,对希望做高影响力AI应用的工程师有吸引力
  • 工作内容覆盖Agent架构、后训练、多模态和评测,技术栈完整,有利于形成端到端能力
  • 医疗场景对专业性、准确性和安全性要求高,模型输出需要兼顾专业可靠与用户体验
  • 适合具备大模型训练调优经验、对Agent和医疗健康AI有兴趣,并希望在真实业务中落地前沿算法的研究型工程师

缺点 / 挑战

  • Agent长链路工具调用、多轮对话和多Agent协作存在稳定性与评测难度,实验迭代复杂度较高
  • 需要同时理解算法、工程和业务场景,对跨团队沟通和问题抽象能力要求较高

角色解读

  • 短期可深耕大模型Agent、后训练、多模态推理和评测体系,成为垂类AI应用算法专家
  • 中期可向医疗健康AI方向负责人、核心算法架构师或平台型技术专家发展,承担更复杂系统设计与业务落地
  • 长期可拓展到AI产品技术负责人、技术管理或跨业务线GenAI平台建设方向
  • 面向医药健康AI助手,拆解问诊、找药、药品问答等复杂场景任务,设计Agent架构与多Agent协作机制
  • 基于Deepseek、Qwen、Llama等开源大模型开展SFT、RL等后训练优化,提升医疗推理、多轮对话和工具调用能力
  • 构建医学场景benchmark、用户模拟器和Critic模型,用自动化评测指导模型迭代并提升评测可靠性
  • 结合检验报告、影像图片等多模态输入,优化真实临床场景下的理解、思考和推理效果
  • 需要扎实的大模型训练与调优经验,熟悉主流开源模型原理,并能针对垂类场景设计后训练方案
  • 需要掌握PyTorch或TensorFlow,具备Python、Java等编程能力,能够完成算法实验、工程实现和线上问题排查
  • 需要理解Agent架构、多轮工具调用、多Agent协作、用户模拟器和自动化评测体系设计
  • 需要具备复杂问题拆解、逻辑抽象、跨团队沟通和AI工具使用能力,能在医疗业务场景中形成可落地方案

申请策略

  • 申请时建议明确表达自己对C端医疗健康AI助手场景的兴趣,以及对模型专业性和用户体验平衡的理解
  • 可提前了解美团核心本地商业和医药健康相关业务,思考如何用Agent技术提升诊前、诊中、诊后的链路体验
  • 突出大模型训练、SFT、RL、指令微调、模型评测等实际项目经历,说明使用过的模型、框架和数据规模
  • 重点展示Agent系统或工具调用项目经验,包括任务拆解、多Agent协作、长链路调用优化和线上效果指标
  • 如果有医疗、健康、多模态或复杂知识问答相关经历,应明确写出数据构建、评测设计和业务结果
  • 补充论文、竞赛、开源贡献或高质量benchmark建设经历,尤其是CCF-A论文或可复现实验成果
  • 提前准备Deepseek、Qwen、Llama等主流开源模型的训练与推理调优经验,熟悉LoRA、SFT、RLHF或RLAIF等常见方法
  • 加强Agent框架、工具调用、多轮对话状态管理、用户模拟器和自动化评测方案的设计能力

面试指南

  • 系统设计类问题可按“场景拆解—模块设计—关键指标—风险兜底—迭代方案”的结构回答
  • 模型优化类问题可按“数据分析—基线建立—训练策略—评测验证—线上反馈闭环”展开,突出实验严谨性
  • 项目经历类问题建议使用STAR框架,重点说明个人贡献、技术难点、量化结果和复盘收获
  • 如何设计一个面向问诊场景的多Agent系统?请说明任务拆解、协作机制和失败兜底方案
  • 对医疗健康大模型进行SFT和RL后训练时,你会如何构建数据、设计训练阶段和控制输出安全性?
  • 如何评估一个医疗AI助手在多轮对话中的专业性、稳定性和用户体验?
  • 如果LLM长链路工具调用准确率不高,你会从哪些角度定位和优化?
  • 请介绍一个你做过的大模型或算法项目,说明你的贡献、实验设计和最终效果

职位点评

薪资福利78
成长发展92
工作生活58
使命价值88

薪资福利

78中等

JD未披露薪资与福利信息,但岗位属于大模型Agent与医疗健康AI核心应用方向,技能稀缺度较高。补偿性动机满足度主要来自岗位技术含金量,而非JD中明确的薪酬福利承诺。

薪资信号未披露(AI估算:3.5千–6.5万/月)

成长发展

92较高

JD明确覆盖Agent架构、垂类模型后训练、多模态推理和自动化评测,且提到前沿技术、成长空间和核心项目。对希望积累大模型真实业务落地经验的求职者非常匹配。

技术前沿前沿/新兴技术
技术栈Agent、多Agent、LLM、Deepseek、Qwen、Llama、SFT、RL、多模态理解、Critic模型、benchmark
成长机会前沿技术、成长空间、技术氛围浓郁、业内前沿的大模型认知和技术积累、核心项目、支持创新和试验的团队文化
业务类型profit_center

工作生活

58较低

JD提到灵活开放的工作氛围,但未明确远程、混合办公、弹性工时或双休等信息。生活化动机满足度无法从原文充分判断,只能视为中等。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)
工作生活平衡灵活开放的工作氛围

使命价值

88较高

岗位面向医药健康AI助手,覆盖AI问诊、对症找药、药品问答和医疗科普,具有明确的健康服务价值和用户场景意义。JD还提出“帮大家吃得更好,生活更好”的使命表达。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号重塑用户未来的看病范式、提供专业的医疗决策支持、帮大家吃得更好,生活更好
创新程度积极采用新技术
Watch Jobs