美团
【北斗】大模型算法工程师
【北斗】大模型算法工程师
发布于 大约 2 个月前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
召回
向量检索
大模型
意图理解
排序
推荐
搜索
AI Agent
LLM
AI 估算 · 30k–50k
大厂核心算法岗位，技术前沿且稀缺，薪资竞争力强，通常15-16薪。
职位详情
关于这个职位
该职位是美团核心本地商业部门的大模型算法工程师，专注于将大模型技术应用于搜索链路优化，包括意图理解、排序预估、生成式召回和引导增长等方向
你将参与构建跨业务的通用算法框架，利用千卡级GPU和海量数据解决毫秒级延迟下的复杂意图识别与排序问题，直接影响数亿用户的搜索体验
最低要求
有搜索、推荐、NLP相关实习或项目经验
熟悉大模型训练、微调、prompt engineering等技术
在KDD、SIGIR、WWW、ACL、EMNLP等顶会发表论文
有向量检索、dense retrieval、reranking等方向研究经验
ACM/ICPC、Kaggle等竞赛获奖者
对本地生活场景有深入理解
工作职责
意图理解基座：超越传统的分类与匹配，利用 LLM 构建具备认知能力的意图基座，深度解构口语化、省略表达及多意图混合等复杂场景
探索 Query 的语义改写、扩展与纠错技术，将非结构的“人话”精准转化为结构化的搜索逻辑，实现对用户深层需求的本质洞察
排序预估基座：推动排序模型的 Scaling Up，探索大参数量模型在 Relevance 判断与 Ranking 中的性能边界，提升对复杂 Query-POI 关系的建模深度
负责 LLM-based Reranking、特征增强及神经符号 AI 的结合，利用 Scaling Law 提升排序逻辑的泛化性与预估精度
生成式召回基座：构建基于大模型的语义表示学习体系，突破长尾 Query 与 POI 的匹配瓶颈
优化向量召回与混合召回策略，在海量候选集中精准平衡相关性、多样性与发现感，实现“所想即所得”
引导增长基座：研发下一代搜索引导与推荐算法，通过生成式技术优化搜索前/中的用户路径，提升用户发现价值的效率
探索搜索与推荐的深度融合，利用 AI Agent 能力引导用户决策，实现业务增长与用户体验的协同进化
跨业务 Builder 型组织建设：作为 Builder，构建跨业务（餐饮、医药、即时零售、服务零售、酒旅等）的通用算法框架，确保技术底座能够快速适配不同垂直场景的特性
在毫秒级延迟的严苛约束下，主导大模型在线 Serving 优化，通过蒸馏、量化、缓存等手段实现效果与性能的极致平衡
AI 洞察
优缺点分析
优点
- 美团搜索日均数亿次查询，数据量和场景丰富，算法迭代空间大
- 千卡级GPU集群和海量真实数据，为大规模模型训练提供顶级资源
- 搜索×大模型交叉领域，技术前沿且有直接业务影响，个人成长快
- 鼓励学术发表，支持参加顶会，与学术界保持紧密合作
- 毫秒级延迟和亿级索引的工程约束，需要平衡效果与性能
- 多业务线需求复杂，算法需要具备跨场景泛化能力
- 大模型领域竞争激烈，需要持续学习保持技术领先
缺点 / 挑战
- 适合对搜索和大模型技术有浓厚兴趣，具备较强算法和工程背景，追求高挑战和快速成长的求职者
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？
职位点评
74
综合评分
核心大厂前沿算法岗，技术资源顶级，成长空间大，但工作强度高、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
最适合同高发展动机、技术追求强烈、愿意接受高工作强度挑战的求职者。
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40
使命价值70
薪资福利
80较高
美团作为上市公司，薪资和福利具有竞争力，但JD未明确薪资福利，保守评估。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
该职位处于大模型×搜索的前沿领域，资源丰富，技术挑战大，成长空间广阔。
技术前沿前沿/新兴技术
技术栈大模型、LLM、搜索、NLP、排序、召回、AI Agent、蒸馏、量化
成长机会顶级算力资源、海量真实数据、极致技术挑战、直接业务影响、开放研究氛围、成长空间广阔
业务类型profit_center
工作生活
40较低
职位要求现场办公，未提及弹性工作或WLB，互联网大厂算法岗通常工作强度大。
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
70中等
美团本地生活服务影响数亿用户，有一定社会价值，但主要聚焦商业效益。
行业发展稳定成熟行业
社会影响中性/一般
使命信号服务数亿用户
创新程度积极采用新技术
美团 的其他在招职位
相似职位推荐
Watch Jobs