美团食杂零售AI算法工程师-视觉方向

优缺点分析

角色解读

• 技术深度方向：从CV算法工程师成长为多模态大模型专家，主导核心算法创新与落地
• 业务广度方向：深入理解零售业务，转型为AI+业务解决方案架构师，推动AI在零售全链路应用
• 管理方向：带团队负责业务线算法团队，从IC转向技术Leader，管理多个算法方向
• 负责食杂零售场景下视觉/多模态算法的研发与优化，包括目标检测、多目标跟踪、语义分割等传统CV任务，以及多模态大模型的预训练与微调
• 与产品经理和硬件团队协作，将算法落地到品控、门店运营、仓储物流等实际业务场景，解决真实业务痛点
• 持续跟踪前沿技术，探索将多模态大模型、IoT等新技术引入系统，提升算法效果和业务价值
• 扎实的机器学习/深度学习理论，熟练掌握至少一种主流框架（如PyTorch、TensorFlow）
• 丰富的计算机视觉经验，精通目标检测、图像分割、关键点识别等经典任务
• 熟悉多模态大模型的训练、推理及代码框架（如LLaVA、BLIP等），具备预训练或指令微调经验更佳
• 良好的编程能力（Python/C++/Java）和工程素养，能独立完成算法实现与优化

申请策略

• 提前了解美团的零售业务（如美团优选、小象超市），在面试中结合业务提出算法应用思路，体现业务理解能力
• 突出视觉或多模态相关的项目经验，尤其是目标检测、图像分割、多目标跟踪等具体任务，最好有业务落地案例
• 强调多模态大模型相关经历，如预训练、指令微调、模型压缩等，并列出使用的框架和模型
• 展示编程能力和工程实践，如用C++优化推理速度、部署到边缘设备等
• 如果对多模态大模型不熟悉，可以学习LLaVA、InternVL等开源模型，动手微调一个适配业务场景的Demo
• 补充强化学习或时序建模知识，因为门店客流场景可能涉及时空动作检测

面试指南

• 针对项目类问题，采用STAR法则：背景、任务、行动、结果，突出技术难点和你的贡献
• 针对技术原理类问题，先解释核心概念，再结合实际经验，展示理解深度
• 针对业务结合问题，先表达对业务的了解，然后提出算法切入思路，强调落地可行性
• 请详细描述你做过的目标检测项目，包括模型选择、数据标注、优化策略和最终效果
• 你如何理解多模态大模型？请介绍目前主流的多模态大模型架构和训练方法
• 如果要在门店场景中部署一个行人检测模型，但硬件算力有限，你会如何进行模型压缩和加速？
• 请举例说明你如何将算法落地到实际业务中，遇到过哪些困难，如何解决？
• 你对美团食杂零售业务有哪些了解？你认为视觉算法可以在哪些环节创造价值？