美团
【LongCat实习】大模型算法研究员-Search Agent方向
【LongCat实习】大模型算法研究员-Search Agent方向
发布于 大约 9 小时前实习/见习
北京市
其它
实习生
仅现场办公
硕士
研究与开发 (研发)
PyTorch
强化学习
NeurIPS
多模态
大语言模型
RL
Search Agent
Deep Research
AI 估算 · 8k–15k
基于美团大厂实习薪资水平，结合岗位技术难度和北京消费水平估算
职位详情
关于这个职位
作为美团LongCat实习大模型算法研究员，你将加入核心Agent算法团队，参与下一代智能体范式的探索，重点研究强化学习训练范式、搜索智能体构建和生活服务助理Agent，在亿级用户场景中实现学术与产业双闭环
最低要求
全球Top高校计算机科学、人工智能、数学或相关领域博士或硕士
在NeurIPS、ICML、ICLR、ACL、EMNLP等大模型领域顶级会议以第一作者发表过论文，研究方向与大语言模型、强化学习、Agent、多模态模型等强相关
在大语言模型、强化学习、Agent、多模态等方向中至少一个领域有扎实的理论基础与实践经验，能独立完成从问题定义、方法设计、系统开发、实验验证的完整工作闭环，并深度使用AI工具辅助完成
扎实的代码功底，能高效准确实现复杂模型结构并完成大规模训练实验
具备良好的科研品味、独立思考能力与跨团队协作沟通能力，对前沿问题有持续热情，敢于挑战现有范式
工作职责
Agentic RL基础算法研究：探索面向长程多步任务的强化学习训练范式，包括稀疏奖励下的信用分配、过程奖励建模、自我博弈与多智能体协同、可扩展的reward modeling，以及训练稳定性与样本效率优化
Search Agent能力构建：研发面向开放域复杂查询的搜索智能体，覆盖多轮检索规划、查询改写、证据聚合、多源信息冲突消解与可信溯源，重点突破"深度研究"类长程任务的端到端RL训练
生活服务助理Agent：解决美团真实业务环境中（餐饮、出行、到店、履约等多业务横跨）实现智能助理的基础问题，研究多工具长链调用、澄清和主动服务、个性化记忆与偏好建模、跨会话状态管理，以及面向真实用户反馈的RL闭环
优先资格
参与过千卡级大模型训练或RL大规模训练infra建设
在GitHub有高star开源项目，或在大模型/Agent领域知名开源社区有持续贡献
ACM/ICPC、NOI/IOI、Kaggle等竞赛获奖者优先
AI 洞察
优缺点分析
优点
- 直接接触美团亿级真实用户场景，数据和业务复杂度行业稀缺
- 充足计算资源和顶级Infra支持，研究自由度大
- 有专属导师和扁平化协作环境，成长快速
- 岗位要求极高，需有顶会论文和扎实代码功底，竞争激烈
- 研究方向前沿且难度大，需在实习期内产出有影响力的成果
- 适合目标明确、科研能力突出、希望在多智能体领域快速积累经验的高年级博士生或硕士生
缺点 / 挑战
- 工作地点在北京，生活成本较高
角色解读
- 从实习生成长为团队核心研究员，深入Agent前沿技术
- 有机会发表顶会论文，积累学术影响力
- 未来可转向工业界高级算法专家或学术界研究方向
- 研究面向长程多步任务的强化学习算法，如稀疏奖励下的信用分配和过程奖励建模
- 构建搜索智能体，实现多轮检索规划、查询改写、证据聚合和可信溯源
- 开发生活服务助理Agent，解决多工具长链调用、用户记忆和个性化建模等实际问题
- 扎实的机器学习基础，特别是大语言模型和强化学习方向
- 优秀的工程能力，能高效实现复杂模型并完成大规模训练实验
- 独立的科研能力，包括问题定义、方法设计和实验验证的完整闭环
申请策略
- 在简历中明确写出你对Agent方向的具体研究想法或过往项目
- 了解美团在生活服务领域的业务特点，思考Agent如何落地
- 突出第一作者顶会论文，尤其是与大模型、RL、Agent相关的成果
- 强调在强化学习或大模型方向的项目经验，包括代码实现和实验设计
- 如果有开源贡献或竞赛奖项，务必列出
- 展示对Agent方向的深入理解和研究热情
- 补充RLHF、PPO等强化学习算法实现经验
- 熟悉LangChain、Hugging Face等Agent开发框架
面试指南
- 先阐明问题背景和挑战，再分步骤提出解决方案，结合具体技术细节
- 引用相关文献或经典方法作为支撑，展示研究视野
- 最后总结潜在局限性和未来改进方向
- 请详细解释你在顶会论文中提出的方法，并与现有工作对比
- 如何解决稀疏奖励下的信用分配问题？请给出具体思路
- 设计一个搜索Agent的检索规划模块，需要考虑哪些关键点？
- 复习强化学习核心概念，特别是策略梯度、Q-learning和RLHF
- 准备2-3个自己做过的最有代表性的项目，能够深入讨论技术细节
职位点评
65
综合评分
大厂核心Agent团队实习，前沿技术栈，高发展性，低补偿性。
更适合这类人
该职位最适合追求技术成长和科研突破的求职者，对薪资和WLB要求不高。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展95
工作生活50
使命价值75
薪资福利
40较低
作为实习生，薪资相对固定且福利有限，补偿性动机满足度一般。
薪资信号未披露（AI估算：8K-15K/月）
成长发展
95较高
该职位提供稀缺场景、充足资源、自由研究和快速成长路径，发展性动机得到极高满足。
技术前沿前沿/新兴技术
技术栈大语言模型、强化学习、Agent、多模态、RL、Search Agent、Deep Research
成长机会专属带教导师、成长路径、扁平协作
业务类型profit_center
工作生活
50较低
仅现场办公，北京工作，实习生通常需要全职，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
Agent技术处于高速增长赛道，研究有潜力改善用户生活，具有一定社会价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs