美团
预测/决策/大模型应用算法工程师
预测/决策/大模型应用算法工程师
发布于 大约 2 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Llm
Pytorch
Rag
Tensorflow
值不值得投
74综合评分
综合评分 74
技术前沿、业务驱动、成长空间大，但工作强度可能较高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
48K
比算法优化工程师中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 5130 个在招 · 其中算法优化工程师 10 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 110 个在招
职位详情
关于这个职位
作为美团软硬件服务-软件研发部的算法工程师，你将主导广告策略、营销增长、供应链智能预测及大模型应用等方向的算法体系建设，从0到1构建核心算法能力
工作涉及海量数据处理、前沿模型研发与工程落地，直接驱动业务增长与用户体验提升，是兼具技术深度与业务影响力的关键角色
最低要求
数学、统计、运筹学、计算机或相关专业硕士及以上学历，具备扎实的概率统计、最优化理论与数学建模能力
在机器学习、深度学习、搜索推荐、计算广告、因果推断、供应链预测或大模型应用等其一方向有深厚积累，能够独自完成从问题定义、算法设计、实验验证到效果度量的完整研发闭环
有顶会论文（KDD/NeurIPS/ICML/WWW等）或业界落地案例者优先
工程实现能力：熟练掌握 Python、Java 或 Scala 等主流编程语言
具备扎实的数据结构与算法基础，能高效使用 AI IDE 工具及应用 Spec Coding 等范式
了解模型训练、推理优化（量化、蒸馏）及在线服务部署的完整流程
大数据处理能力：有处理 TB/PB 级数据集的实战经验，熟悉 Hadoop、Spark、Flink 等大数据技术栈
具备特征工程、样本构建与数据质量治理的完整能力
大模型应用能力：具备 LLM 微调（SFT/RLHF/DPO）与模型评估经验
有生产级 RAG 系统（向量数据库、混合检索、Reranker）构建经验
熟悉主流 Agent 开发框架（LangChain / AutoGen / LlamaIndex / CrewAI 等）
了解 Context Engineering、Harness Engineering等工程实践
业务与数据分析能力：具备较强的业务理解力与数据敏感度，能够通过数据分析快速定位问题、提炼业务洞察，并将业务目标有效转化为可量化的算法优化方向
熟悉 AB 实验设计与因果效果评估方法
具备出色的问题洞察与跨团队推动能力，能够在业务复杂性与技术创新之间找到最优路径
乐于在高速成长的业务环境中持续学习，与团队共同成就
工作职责
主导团队内算法体系的从 0 到 1 建设，深度参与广告策略、营销增长、供应链智能预测、大模型应用等 AI 方向的整体架构设计与技术路线制定，推动算法能力成为业务核心竞争力
基于海量用户行为数据与多源业务信号，综合运用机器学习、深度学习、强化学习、博弈策略、因果推断等前沿技术，构建预测及排序场景全链路算法体系
在向量化召回、CTR/CVR 模型预估、LTR、多目标排序等方向持续突破，模型能力对标业界前沿，全面提升营收及用户体验
建设端到端的供应链智能决策体系：融合时序深度学习（DeepAR、TFT、N-BEATS 等）、图神经网络、因果建模与异常检测技术，精准刻画节假日效应、促销扰动、热点活动、外部冲击等复杂场景下的需求规律，显著提升预测精度
并在此基础上构建库存优化与调度的联合决策模型，实现供应链全链路的降本增效
深度推进 LLM 大模型技术在业务场景的工程化落地：通过高质量数据工程与 SFT/RLHF/DPO 等对齐技术，打造适配业务垂域的专属模型能力
构建生产级 RAG 系统，融合向量检索、稀疏检索、Reranker 重排序及动态知识更新机制
设计并实现企业级 Multi-Agent 协作框架，涵盖工具调用、动态任务规划、长期记忆管理与多步推理，落地自动化决策及代操作场景
结合业务全局视角，设计跨场景的多目标优化策略，主导 AB 实验体系建设，支撑算法策略的高效迭代与科学度量
与产品、工程、数据、运营等团队深度协作，将算法价值快速转化为业务增长，沉淀私域知识及 Agent 工作流，构建数字员工实践 AI at Work 提效
AI 洞察
优缺点分析
优点
- 公司平台大，数据资源丰富，能接触到海量真实业务数据
- 技术氛围浓厚，团队学术与工程并重，有顶会论文和业界案例
- 成长空间大，有机会参与从0到1的算法体系建设，快速积累经验
- 技术栈要求全面，需要不断学习新技术，保持竞争力
- 跨团队协作多，需要较强的沟通和推动能力
缺点 / 挑战
- 业务场景丰富，涉及广告、供应链、大模型等多个前沿方向，技术挑战大
- 工作强度可能较高，需要适应快速迭代和高压环境
- 适合对算法技术有热情，希望在业务场景中实现技术价值，能适应快速变化和挑战的资深算法工程师
角色解读
- 技术专家路线：在算法领域深耕，成为技术带头人，主导核心算法方向
- 技术管理路线：从技术骨干向技术经理、总监发展，负责团队和业务
- 复合型人才：结合业务理解，向产品、运营或管理岗位转型
- 负责广告、营销、供应链等场景的算法体系设计与优化，包括召回、排序、预测等核心环节
- 构建和优化大模型应用，如RAG系统、Agent框架，推动AI在业务中的落地
- 与产品、工程、运营等团队协作，将算法模型集成到实际业务系统，并持续迭代
- 主导AB实验设计与分析，评估算法效果，驱动业务增长
- 扎实的机器学习、深度学习理论基础，熟悉常见算法和模型
- 精通Python、Java或Scala，具备良好的工程实现能力
- 熟悉大数据处理技术栈，如Hadoop、Spark、Flink，能处理海量数据
- 具备LLM微调、RAG构建、Agent开发经验，了解主流框架
申请策略
- 在面试中展示你对业务的理解，以及如何将算法技术转化为业务价值
- 了解美团的业务和战略，特别是“零售+科技”方向，体现你的兴趣和匹配度
- 突出在机器学习、深度学习、大模型等方向的项目经验，尤其是从0到1的算法体系建设
- 强调处理海量数据、构建大规模系统的能力，以及实际业务落地成果
- 展示顶会论文或业界优秀案例，体现学术和工程能力
- 提及熟悉的大模型技术栈，如RAG、Agent、微调等
- 深入学习大模型相关技术，如SFT、RLHF、RAG、Agent框架，并动手实践
- 加强大数据处理能力，熟悉Spark、Flink等框架，提升数据处理效率
面试指南
- 采用STAR法则：情境、任务、行动、结果，清晰描述项目背景、你的贡献和量化成果
- 对于技术问题，先阐述核心原理，再结合业务场景，最后给出具体方案和权衡
- 对于开放性问题，展示你的思考框架，从业务目标出发，拆解技术方案
- 请介绍一个你主导的算法项目，从问题定义到效果评估的完整流程
- 如何设计一个供应链需求预测模型？你会考虑哪些特征和模型？
- 谈谈你对RAG系统的理解，以及如何构建一个生产级的RAG系统？
- 如何设计AB实验来评估算法策略的效果？有哪些需要注意的坑？
- 你如何理解大模型在业务中的应用？请举例说明
职位点评
薪资福利80
成长发展95
工作生活40
使命价值70
薪资福利
80较高
职位提供有竞争力的薪资和福利，作为上市巨头企业，薪酬体系完善，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
95较高
职位涉及多个前沿技术方向，如大模型、供应链预测等，技术挑战大，成长空间广阔，且明确提及团队成长和学术与工程并重。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、SFT、RLHF、DPO、DeepAR、TFT、N-BEATS、因果推断、强化学习
成长机会团队与成长、技术氛围浓厚、学术与工程并重
业务类型profit_center
工作生活
40较低
工作地点在北京，未提及弹性工作或远程办公，可能为现场办公，工作强度可能较大。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
美团聚焦“零售+科技”战略，推动数字化转型，具有社会价值，但JD中未明确提及使命或社会影响。
行业发展高速增长赛道
社会影响中性/一般
使命信号帮大家吃得更好，生活更好
创新程度积极采用新技术
Watch Jobs