【LongCat实习】Longcat 大模型研究员-Agentic Model

优缺点分析

角色解读

• 优秀实习生可留用美团，正式加入大模型核心团队
• 积累Agent、长上下文等前沿技术经验，成为新一代AI研究员
• 有充足机会发表顶会论文，提升学术影响力
• 建设大规模跨模态数据处理与合成链路，优化训练数据质量与配比
• 研究长上下文机制，探索MoE、稀疏注意力等高效架构以提升模型效率
• 参与多模态预训练新范式的探索，融合文本、图像等多模态数据
• 扎实的算法与数学基础，熟悉NLP、生成式AI和机器学习
• 有顶会论文或知名开源项目经验，具备独立研究能力
• 熟悉深度学习框架（如PyTorch）和分布式训练，了解RLHF等技术

申请策略

• 在简历中明确表达对Agentic Foundation Model方向的兴趣，并关联自身经历
• 如果可能，附上一份针对某课题的简短研究设想
• 突出在NLP/大模型方向的论文、项目或开源贡献，标明引用量或影响力
• 展示参与过的竞赛成绩（如ACM/ICPC）或编程能力
• 强调对Agent、长上下文等方向的热情和理解，可附上个人技术博客
• 提前阅读团队近年顶会论文，熟悉其研究思路
• 补强长上下文、MoE、RLHF等领域知识，动手复现经典论文
• 练习分布式训练工具（如DeepSpeed、Megatron）的使用

面试指南

• 对于研究类问题，采用“动机-方法-实验-结论”结构，突出个人贡献
• 对于技术方案问题，先说明关键挑战，再提出解决方案并比较优劣
• 对于行为问题，使用STAR法则（情境-任务-行动-结果）
• 请介绍你的一项关于大模型的研究工作，并说明其创新点
• 你如何理解和定义Agentic Foundation Model？它与传统语言模型有何不同？
• 针对长上下文场景，你会如何设计高效的注意力机制？
• 如何评估合成数据的质量？如果合成数据导致模型性能下降，你如何调试？
• 描述一次你面对复杂问题时如何拆解并推动解决的经历