美团外卖供给-大模型&机器学习算法工程师

优缺点分析

角色解读

• 从算法工程师成长为大模型/Agent领域的技术专家，深入理解本地生活业务逻辑
• 未来可向算法架构师或技术管理方向发展，主导公司级AI平台的建设
• 负责外卖业务中商家、商品及内容的理解与生成，推动供给标准化与运营
• 攻关Agent全链路工作模式，进行大模型的持续预训练与后训练
• 参与建设公司级供给运营平台，提升LBS业务效率
• 扎实的机器学习、大模型及Agent理论基础与研发经验
• 熟练掌握Java、Python或C++等编程语言，具备优秀的编程与数据结构能力
• 良好的跨团队沟通协作能力，能独立解决复杂业务问题

申请策略

• 在面试中展现对美团战略的理解，以及技术如何赋能本地生活业务的思考
• 准备好过往项目中遇到的技术难点及解决思路，体现独立解决问题的能力
• 突出在大模型、Agent、多模态模型预训练/后训练方面的实际项目经验
• 强调在搜推、营销或供给理解等方向的业务落地成果及指标提升
• 展示扎实的编程能力和复杂系统开发经验
• 深入学习Agent Harness及大模型后训练（如RLHF、DPO等）的前沿技术
• 了解LBS业务逻辑及供给运营的核心痛点，提升业务理解力

面试指南

• 采用STAR法则，重点突出业务背景、技术方案选型（特别是大模型/Agent相关）、实施过程及最终的业务指标提升
• 对于技术难点，强调排查思路和最终解决方案
• 请介绍一下你在文本/多模态大模型预训练或后训练中的具体工作和遇到的挑战？
• 在Agent全链路工作模式中，你是如何设计Agent Harness的？
• 如何将大模型技术落地到外卖供给理解或商品标准化中？请分享一个成功案例
• 面对LBS业务的高并发和实时性要求，你的算法方案是如何优化的？
• 复习大模型预训练、后训练、Agent架构（如ReAct、Tool use等）的底层原理和最新论文
• 了解美团外卖业务的基本逻辑，思考AI技术在其中的应用场景与痛点解决