【北斗】大模型算法工程师

优缺点分析

角色解读

• 可向搜索算法专家或技术Leader方向发展，带领团队攻克关键技术难题
• 也可横向扩展至推荐、广告等AI应用领域，成为复合型算法架构师
• 在美团海量数据和高并发场景下积累工程经验，未来有机会成为技术总监
• 利用大模型技术优化搜索意图理解，处理口语化、多意图混合等复杂查询
• 设计并训练大规模排序模型，探索LLM在相关性判断和排序中的性能边界
• 构建基于大模型的语义召回体系，突破长尾匹配瓶颈，平衡多样性与精准度
• 研发搜索引导与推荐算法，结合AI Agent引导用户决策，实现增长与体验协同
• 扎实的NLP和深度学习基础，熟悉大模型训练、微调、prompt engineering
• 掌握搜索/推荐系统核心链路，有向量检索、dense retrieval、reranking经验
• 具备顶会论文发表或顶级竞赛获奖经历，有独立科研和工程能力
• 熟悉PyTorch/TensorFlow，了解模型压缩、蒸馏、量化等优化技术

申请策略

• 准备一个完整的大模型优化搜索链路的项目案例，从问题定义到线上效果
• 关注美团技术博客和开源项目，在面试中展示对技术生态的理解
• 突出搜索/推荐/NLP相关项目经验，尤其是大模型应用案例
• 列出顶会论文和竞赛获奖，体现科研和竞争能力
• 强调对本地生活场景的理解和跨业务算法的设计能力
• 展示在大模型在线部署优化方面的实践，如蒸馏、量化等
• 补充大模型训练和微调经验，熟悉LoRA、Prompt Tuning等技术
• 学习向量检索库（如FAISS）和混合召回策略

面试指南

• 结构化回答：背景 - 痛点 - 解决方案 - 效果 - 总结
• 对于工程类问题，强调性能与效果的权衡，给出具体优化手段
• 对于业务理解问题，展示对本地生活场景的分析和洞察
• 请描述一次你利用大模型改进搜索意图理解的经历
• 在毫秒级延迟约束下，如何设计大模型排序的在线推理方案？
• 如何处理长尾Query的召回？结合具体技术说明
• 如何衡量搜索排序模型的提升？有哪些离线指标和线上AB指标？
• 对美团搜索业务的理解？你认为当前有哪些痛点可以优化？