美团平台供给-大模型应用算法工程师

优缺点分析

角色解读

• 纵向可深耕大模型底层技术与全链路攻关，成长为算法技术专家
• 横向可向业务架构师或技术管理方向发展，主导公司级平台建设与业务赋能
• 负责美团平台供给侧的商家、商品、内容理解与生成，推动供给标准化与智能化
• 攻关大模型全链路技术，包括持续预训练、微调、强化学习（RL）及多模态等前沿方向
• 建设公司级供给系统平台，将大模型能力落地于搜索、推荐等核心业务场景，提升运营效率
• 扎实的编程基础（Java/Python/C++）与数据结构能力，熟悉大数据处理技术
• 深厚的机器学习、深度学习、NLP及LLM理论基础与丰富的研发落地经验
• 优秀的跨团队沟通协作能力，能与产品、运营、BD等多方紧密配合

申请策略

• 提前了解核心本地商业的业务逻辑，思考大模型如何赋能供给侧理解与运营
• 准备具有技术深度和业务价值的代表性项目，能够清晰阐述技术难点与解决方案
• 突出在大模型、NLP、多模态等领域的实际项目经验，特别是持续预训练、微调或RL的落地成果
• 强调在搜索、推荐或营销等核心业务场景中的算法优化经验及带来的业务指标提升
• 展示扎实的编程能力与大数据处理经验，体现工程化落地能力
• 深入学习大模型全链路技术，特别是auto-research、RLHF及多模态融合的最新论文与开源实践
• 提升分布式训练与推理优化能力，熟悉主流大模型框架

面试指南

• STAR法则：针对项目经验，按照情境、任务、行动、结果的框架，突出技术难点、你的具体贡献及最终的业务收益
• 技术深度+业务价值：在回答技术方案时，不仅讲算法原理，一定要结合具体业务场景，说明该方案如何提升业务指标
• 请详细介绍你在大模型微调或持续预训练中的一个核心项目，遇到了哪些技术难点，如何解决的？
• 在供给理解（如商家、商品、内容）场景中，如何设计大模型应用方案来提升标准化效率？
• 面对大模型推理成本高、延迟大的问题，你在工程上有哪些优化经验？
• 请谈谈你对auto-research或强化学习在LLM中应用的理解与实践
• 复习大模型核心知识（Transformer架构、注意力机制、RLHF、LoRA等），并准备相关代码实现细节
• 了解近期在AI和大模型方面的公开技术分享或产品动态，结合岗位JD思考可能的面试考点