【LongCat实习】Agentic Coding算法研究员

优缺点分析

角色解读

• 从实习生逐步成长为全职研究员，参与核心基座模型研发
• 在Agentic Coding领域深耕，成为技术专家或团队负责人
• 有望进入前沿AI研究领域，积累顶级会议论文和开源贡献
• 参与前沿Agentic Coding模型的研发，包括预训练、微调和强化学习等全链路环节
• 构建高质量代码数据集，设计数据生产、配比与评估体系，覆盖多种代码任务场景
• 研发面向代码的强化学习框架，优化奖励设计和自我改进策略，提升模型稳定性
• 研究超长上下文和仓库级代码建模，提升模型对复杂项目的理解和生成能力
• 扎实的机器学习、深度学习和强化学习基础，熟悉常见模型和训练流程
• 熟练掌握Python编程，具备优秀的代码能力和工程实践
• 有竞赛或顶会论文发表经验者优先，如ACM/ICPC、Kaggle、NeurIPS等
• 对大模型训练、推理和Agent执行有热情，能够分析复杂问题并进行研究

申请策略

• 提前了解美团在Agentic Coding领域的工作，准备相关思考
• 面试中突出对通用智能的热情和对代码智能的独特见解
• 突出机器/深度学习项目经验，尤其是代码生成、强化学习相关
• 列出竞赛获奖、顶会论文或开源贡献，体现研究和工程能力
• 强调Python编程熟练度和代码质量，展示动手能力
• 补充强化学习（特别是RLHF）和代码理解模型的相关知识
• 熟悉大模型训练框架（如Megatron、DeepSpeed）和数据处理工具

面试指南

• 先明确问题背景和核心挑战，再分步骤阐述自己的方案，结合具体实例
• 对于研究类问题，从现有方法出发，分析优缺点，提出改进思路
• 展示对技术原理的深入理解，同时体现工程落地能力
• 请详细描述你参与过的一个代码生成或强化学习项目
• 如何设计一个代码数据质量评估体系？有哪些关键维度？
• 解释RLHF在代码生成中的应用，以及常见的reward hacking问题如何解决？
• 如何处理超长上下文代码建模中的注意力机制优化？
• 对Agentic Coding的未来发展方向有什么看法？