美团
【LongCat实习】LongCat 大模型研究员-Post-training
【LongCat实习】LongCat 大模型研究员-Post-training
发布于 大约 11 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
学历未注明
研究与开发 (研发)
深度学习
PyTorch
强化学习
自然语言处理
生成式AI
分布式训练
大模型
RLHF
Post-Training
AI 估算 · 5k–10k
北京大模型方向实习薪资有竞争力，技术前沿，人才需求大，参考美团标准。
职位详情
关于这个职位
该实习岗位加入美团核心本地商业基础研发平台，参与大语言模型后训练（Post-training）方向的前沿研究
你将专注于指令遵循、复杂推理、强化学习等关键技术的优化，突破大规模RL训练稳定性问题，推动模型在真实场景中的深度思考与可靠行动
团队人才密度高，拥有充足算力和丰富数据资源，有机会在ICLR/NeurIPS等顶会发表论文
最低要求
来自全球高校计算机科学、人工智能、数学、物理或相关领域
在大模型领域有研究基础，或参与过有影响力的开源项目，在ICLR/NeurIPS/ICML/ACL等顶会发表论文
具备扎实的算法和数学理论基础及良好的编程基础，熟悉自然语言处理、生成式AI和机器学习等技术，对技术开发及应用有热情
工作职责
大模型核心基础能力优化：围绕指令遵循、幻觉缓解、复杂推理、智能体规划等关键能力，研究并开发高效的后训练与对齐方案
深入分析模型行为，通过数据策略、奖励建模、训练范式创新等，系统性提升模型的可靠性与实用性
大规模强化学习与多目标RL训练：研究大规模强化学习（RL）及多目标强化学习的训练方案，突破RL在超大模型上的训练稳定性与扩展性问题
构建可长期演进、稳定高效的RL Scaling训练管线，从算法、系统、数据等多维度推动模型能力持续提升
长周期场景下的复杂推理与工具调用：聚焦Long Horizon任务中的多步推理、工具使用与自主智能体能力，设计并实现前沿优化方案
探索包括高质量数据合成、长上下文管理、长上下文强化学习、过程监督、搜索与规划结合等关键技术，提升模型在复杂真实场景下的表现
优先资格
目标感强，善于分析和发现问题，拆解简化，有想法并乐于挑战自我，能够从日常工作中发现新的空间
条理性强且有推动力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标
在程序设计竞赛，如ACM/ICPC、Topcoder和Codeforces等，取得优异成绩者优先
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型后训练技术，团队学术氛围浓厚
- 充足算力资源和丰富数据，支持大规模实验
- 高人才密度团队，可与顶尖同事交流，发表顶会论文机会大
- 参与核心研发，对职业发展有很高含金量
- 工作节奏可能较快，需要快速学习和产出
- 实习期有限，需在短时间内融入并贡献
- 适合有较强学术背景（如顶会论文或竞赛经历）、热爱大模型研究、希望在真实业务场景中验证技术的同学
缺点 / 挑战
- 门槛较高，需要扎实的研究背景和编程能力
角色解读
- 可转向大模型研究员或算法工程师，专注前沿技术研发
- 表现优异可获转正机会，在美团内部继续成长
- 积累顶会论文发表经验，为学术深造或业界发展奠定基础
- 研究大模型后训练技术，通过数据优化和大规模RL提升模型核心能力
- 负责RL pipeline的开发和优化，解决大规模训练的稳定性问题
- 深入分析模型行为，设计数据策略和奖励模型，系统性提升模型可靠性
- 探索长周期任务中的多步推理、工具调用等前沿方案
- 扎实的机器学习和NLP基础，熟悉生成式AI和深度学习
- 优秀的编程能力，掌握Python和PyTorch等框架
- 了解强化学习与RLHF原理，有相关项目经验
- 较强的分析和问题解决能力，具备科研思维
申请策略
- 提前了解美团技术博客和团队成果，展示对公司的兴趣
- 在求职信中表达对Post-training方向的理解和热情
- 突出顶会论文、开源项目或相关研究经历
- 强调RL和NLP项目经验，特别是RLHF或对齐相关工作
- 展示编程和算法竞赛成绩（如ACM/ICPC）
- 体现对技术的热情和自我驱动力
- 补充强化学习理论知识，熟悉PPO、DPO等算法
- 动手实现一个小型RLHF项目，积累工程经验
面试指南
- 从问题定义、现有方法、你的创新点、实验验证、结果分析等结构回答
- 强调自己的思考和贡献，展示逻辑清晰和分析能力
- 结合理论知识和实践经验，具体说明遇到的困难和解决方案
- 请解释RLHF的训练流程和挑战
- 如何处理强化学习训练中的不稳定问题？
- 设计一个评估模型指令跟随能力的实验
- 如何缓解大模型的幻觉现象？
- 你参与过的相关项目中最具挑战的部分是什么？
职位点评
68
综合评分
美团核心研发实习，前沿大模型技术，发展机会极佳，但薪资和WLB一般。
更适合这类人
最适合追求技术成长和创新研究的求职者，看重前沿技术和学术机会。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利50
成长发展92
工作生活60
使命价值70
薪资福利
50较低
实习薪资具有竞争力但整体有限，福利未明确提及，补偿性动机满足一般。
薪资信号未披露（AI估算：5K-10K/月）
成长发展
92较高
职位处于大模型前沿技术领域，团队学术氛围浓厚，有充足算力和研究资源，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈大模型、强化学习、RLHF、Post-training、自然语言处理
成长机会参与大语言模型核心技术研发、接触大规模RL、超长上下文、分布式训练和推理优化等前沿技术
业务类型ambiguous
工作生活
60中等
现场办公，位于北京市区核心地段，但未提及弹性工作或WLB政策，生活化动机满足中等。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
大模型领域为高速增长赛道，技术应用前景广阔，但社会影响力中性，意义感满足良好。
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
Watch Jobs