美团
自然语言处理算法工程师
自然语言处理算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
北京市
专家级经验
全职员工
仅现场办公
本科
NLP工程
Huggingface
Llm
Lora
Nlp
Pytorch
Rag
Rlhf
大模型
知识图谱
AI 估算 · 40k–70k
大厂核心算法岗，NLP大模型方向稀缺，薪资竞争力强，参考市场水平。
职位详情
关于这个职位
作为美团外卖事业部NLP算法工程师，你将专注于大模型（LLM）与自然语言处理技术的研发，利用LoRA/RLHF微调、RAG、知识图谱融合等技术优化搜索、推荐、对话和知识问答系统，直接影响亿级用户体验
团队提供充足的GPU算力和前沿技术探索环境，适合对NLP有深入研究并渴望技术落地的工程师
最低要求
本科及以上学历，熟练掌握自然语言处理领域的基础理论和方法，并有丰富的相关方向研究经验
在一个或多个领域有深入研究，包括分词、文本分类、语义分析、语义表示、语义匹配、组块分析、主题模型、篇章分析、对话管理、知识图谱等，并能利用大模型（如GPT/BERT/GLM等）提升上述任务效果
熟练掌握C/C++/Java/Python/Perl/Shell等编程语言及数据结构基础算法，熟悉至少一种大模型训练框架（如PyTorch/TensorFlow）和HuggingFace生态
具备大模型微调经验（LoRA/RLHF/指令微调）或Prompt Engineering能力，能利用LangChain/LlamaIndex等框架构建RAG/AI Agent应用
优秀的分析问题和解决问题的能力，能利用AI辅助工具（如Copilot、自然语言问数等）提升数据分析与问题诊断效率
对解决具有挑战性问题充满激情
工作职责
深入研究自然语言处理领域的前沿技术，利用大模型（LLM）与微调技术（LoRA/RLHF）优化语义理解能力，让系统更懂用户意图
基于深度语义计算与大模型语义表示（如BERT/GPT系列等预训练模型），精准匹配用户需求，提升搜索与推荐效果
利用智能对话技术与大模型（LLM），构建基于RAG（检索增强生成）的知识问答系统，为客户实时解决各类问题
探索多模态大模型与Prompt Engineering在语义分析、篇章理解、对话管理等场景的应用，持续迭代NLP核心能力
负责知识图谱与大模型融合的技术研发，利用LLM增强知识抽取、推理与问答效果
优先资格
有对话、问答相关研究经验，有LLM在对话系统或问答系统落地经验者优先
有知识图谱相关研究经验，有知识图谱与大模型融合（KG+LLM）实践经验者优先
在国际一流会议或期刊（如ACL/EMNLP/NAACL/NeurIPS/ICML等）发表过NLP或AI相关论文者优先
有开源大模型（如LLaMA、Qwen、ChatGLM等）微调或应用落地经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿，接触业界最先进的LLM研究和落地场景
- 业务场景丰富，技术影响力直接作用于亿级用户
- 团队提供充足GPU算力和AI辅助工具，支持快速迭代
- 成长空间大，有导师指导和顶会论文发表机会
- 技术难度高，需要持续学习大模型领域的最新进展
- 工作强度可能较大，需要应对快速迭代的业务需求
- 竞争激烈，需要具备扎实的研究功底和工程能力
缺点 / 挑战
- 适合对NLP和大模型有浓厚兴趣，具备扎实研究基础，渴望在技术前沿领域挑战自我并追求实际落地的工程师
角色解读
- 从NLP算法工程师向大模型专家或技术负责人方向发展
- 有机会参与核心AI能力建设，成为LLM应用落地的领军人物
- 可转向AI Agent、多模态等前沿方向，或晋升为团队技术Leader
- 利用大模型微调技术（LoRA/RLHF）优化语义理解，提升搜索、推荐等场景的用户意图识别
- 构建基于RAG的知识问答系统，结合对话技术为客户提供实时问题解决
- 探索多模态大模型与Prompt Engineering在篇章理解、对话管理等场景的应用
- 研发知识图谱与大模型融合技术，增强知识抽取、推理与问答效果
- 扎实的NLP基础理论，熟悉分词、语义分析、知识图谱等方向
- 精通Python/C++等编程语言，熟悉PyTorch/TensorFlow及HuggingFace生态
- 具备大模型微调经验，掌握LoRA/RLHF/指令微调，熟悉LangChain/LlamaIndex等RAG框架
- 优秀的分析和解决问题能力，能利用AI辅助工具提升效率
申请策略
- 了解美团外卖业务场景，思考NLP如何提升用户体验
- 关注团队技术博客或开源项目，展示对团队技术方向的了解
- 突出大模型微调项目经验，如LoRA/RLHF应用案例
- 强调RAG或AI Agent构建经验，展示实际业务效果
- 列出相关顶会论文或开源贡献，体现研究深度
- 展示编程能力和框架使用经验，如PyTorch、HuggingFace
- 补充LangChain/LlamaIndex等RAG框架的实战经验
- 深入学习知识图谱与LLM融合技术，如KG+LLM
面试指南
- 采用STAR法则：情境、任务、行动、结果，突出技术细节和量化成果
- 结合业务场景，强调技术如何解决实际问题，体现价值
- 展示对前沿技术的理解，并说明如何落地
- 请介绍一个你使用大模型微调的项目，如何选择微调策略？
- 如何设计一个RAG系统？检索和生成如何协同？
- 知识图谱与大模型融合有哪些挑战？如何解决？
- 如何评估语义理解模型的效果？
- 你如何利用AI辅助工具提升开发效率？
职位点评
77
综合评分
技术前沿、成长空间大，薪资有竞争力，但WLB一般。
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。
更适合这类人
适合追求技术成长、渴望接触前沿大模型技术，能接受一定工作强度的工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活50
使命价值70
薪资福利
80较高
美团作为上市公司，薪资水平具有竞争力，福利完善，但JD未明确具体薪资和福利细节。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
职位强调技术前沿和成长空间，提供GPU算力、导师指导、论文发表机会，发展性动机得到极大满足。
技术前沿前沿/新兴技术
技术栈LLM、LoRA、RLHF、RAG、知识图谱、PyTorch、HuggingFace、LangChain
成长机会新人培养与融入机制、技术大牛一对一指导、鼓励发表顶会论文、参与开源社区贡献
业务类型profit_center
工作生活
50较低
JD未提及工作模式，但美团作为互联网大厂，通常为现场办公，工作强度可能较高，WLB一般。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
美团外卖业务具有社会价值，但JD未强调使命，行业属于稳定成熟，技术驱动创新。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs