美团
【LongCat大模型人才校招】基础大模型 Post-training 算法研究员
【LongCat大模型人才校招】基础大模型 Post-training 算法研究员
发布于 大约 16 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
博士
研究与开发 (研发)
机器学习
强化学习
自然语言处理
LLM
对齐
分布式训练
推理
大模型
RL
AI 估算 · 30k–50k
北京大厂算法岗，博士/硕士校招，薪资竞争力强，参考行业水平。
职位详情
关于这个职位
该职位负责大语言模型的后训练与对齐优化，包括指令遵循、幻觉缓解、复杂推理等核心能力提升，以及大规模强化学习训练管线的构建
你将参与前沿技术研究，推动模型在真实复杂任务中的深度思考与可靠行动能力
适合对大模型训练、RL算法有浓厚兴趣的优秀毕业生
最低要求
全球Top高校计算机科学、人工智能、数学、物理或相关领域应届博士/顶尖硕士毕业生
在大模型领域有研究基础，或参与过有影响力的开源项目，在ICLR/NeurIPS/ICML/ACL等顶会发表论文
具备扎实的算法和数学理论基础及良好的编程基础，熟悉自然语言处理、生成式AI和机器学习等技术，对技术开发及应用有热情
工作职责
）大模型核心基础能力优化
围绕指令遵循、幻觉缓解、复杂推理、智能体规划等关键能力，研究并开发高效的后训练与对齐方案
深入分析模型行为，通过数据策略、奖励建模、训练范式创新等，系统性提升模型的可靠性与实用性
）大规模强化学习与多目标RL训练
研究大规模强化学习（RL）及多目标强化学习的训练方案，突破RL在超大模型上的训练稳定性与扩展性问题
构建可长期演进、稳定高效的RL Scaling训练管线，从算法、系统、数据等多维度推动模型能力持续提升
）长周期场景下的复杂推理与工具调用
聚焦Long Horizon任务中的多步推理、工具使用与自主智能体能力，设计并实现前沿优化方案
探索包括高质量数据合成、长上下文管理、长上下文强化学习、过程监督、搜索与规划结合等关键技术，提升模型在复杂真实场景下的表现
优先资格
目标感强，善于分析和发现问题，拆解简化，有想法并乐于挑战自我，能够从日常工作中发现新的空间
条理性强且有推动力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标
在程序设计竞赛，如ACM/ICPC、Topcoder和Codeforces等，取得优异成绩者优先
AI 洞察
优缺点分析
优点
- 参与核心大模型研发，技术前沿，个人成长空间大
- 团队学术氛围浓厚，有充足算力和数据资源支持
- 美团平台稳定，福利待遇优厚
- 大模型训练周期长，实验迭代速度可能较慢
- 竞争激烈，对论文和算法能力要求极高
- 适合对AI研究有强烈热情、具备扎实科研背景、渴望在AGI前沿领域做出成果的应届博士或顶尖硕士
缺点 / 挑战
- 研究任务挑战性高，需要较强的创新和抗压能力
角色解读
- 技术专精方向：深耕大模型后训练与RL算法，成为领域专家
- 技术管理方向：积累项目经验后转型为技术Leader，带领团队攻关
- 横向扩展方向：向AI系统、数据工程或产品方向延伸，拓宽职业路径
- 设计并实施大模型的后训练方案，提升指令遵循、推理、规划等核心能力
- 研究大规模强化学习训练方法，解决训练稳定性和扩展性问题
- 探索长周期复杂任务中的多步推理、工具调用与自主智能体技术
- 构建高效的RL训练管线，协同算法、系统和数据团队推动模型迭代
- 扎实的机器学习、深度学习和自然语言处理基础
- 熟悉大模型训练流程，包括监督微调、RLHF等
- 精通Python，熟悉PyTorch等深度学习框架，有分布式训练经验
- 具备独立研究和解决问题的能力，有顶会论文发表经历
申请策略
- 在简历中明确表达你对大模型后训练或RL算法的具体兴趣点
- 提前了解美团基础研发平台的技术方向和团队成果，在面试中展现主动思考
- 突出顶会论文发表经历，尤其是与大模型、强化学习相关的贡献
- 详细描述参与过的开源项目或大型模型训练项目，说明个人角色和成果
- 强调数学、算法竞赛获奖经历，展示逻辑思维和编程能力
- 如有实习经历，重点说明在大模型对齐或RL方面的实际经验
- 系统学习强化学习理论（如PPO、DPO、GRPO）及工程实现
- 熟悉主流大模型架构（LLaMA、GPT等）和训练框架（DeepSpeed、Megatron等）
面试指南
- 用STAR法则描述项目：情境、任务、行动、结果，突出技术细节和你的贡献
- 分析问题时先定义问题，再提出多种解决方案，对比优劣，最后给出推荐
- 对于开放性问题，结合论文或实践案例，展示你的思考深度
- 请详细介绍一下你参与过的大模型训练项目，你负责的部分和遇到的挑战
- 谈谈你对RLHF的理解和优化方向，比如如何缓解奖励黑客问题
- 如何设计一个强化学习训练管线来提升模型的推理能力？
- 你对Long Horizon任务中的多步推理有什么想法？
- 如何平衡模型性能与训练效率？
匹配度报告
76
综合匹配度
大厂核心AI部门，前沿大模型研究岗，发展性极强，但工作生活平衡一般。
适合人群
最适合追求技术前沿、渴望科研突破、愿意为成长投入时间的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展95
工作生活50
使命价值85
薪资福利匹配
75中等
薪资具有竞争力，美团作为上市公司福利完善，但校招起薪一般，整体补偿性较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
95较高
该职位提供顶级的技术成长环境，参与前沿大模型研发，团队学术产出丰富，发展性极强。
技术前沿前沿/新兴技术
技术栈大模型、强化学习、RL、后训练、LLM、分布式训练、对齐、推理
成长机会团队扁平、人才密度高、顶会论文、前沿技术、充足算力
业务类型profit_center
工作生活匹配
50较低
北京办公，现场工作，未提及弹性工作或加班情况，工作生活平衡一般。
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）
使命价值匹配
85较高
参与AGI核心研发，推动AI能力跃迁，社会影响力和创新性很高，意义感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动模型实现从“会说”到“会做”的跨越
创新程度开拓性创新（行业首创）
Watch Jobs