【LongCat大模型人才校招】Agentic Coding算法研究员

优缺点分析

角色解读

• 从算法研究员成长为技术专家，主导大模型代码智能方向的核心突破
• 可向技术管理方向发展，带领团队推进项目落地
• 积累深厚的大模型全链路经验，成为行业内的稀缺人才
• 参与大模型在代码生成、理解、修复等全链路的训练和优化，包括预训练、微调和强化学习等环节
• 构建高质量编程数据生产与评估体系，覆盖仓库级代码、Web开发等复杂场景
• 研究代码强化学习技术，设计奖励机制和自改进算法，提升模型在真实任务中的表现
• 探索超长上下文和仓库级代码建模，提升模型对大型项目结构的理解能力
• 扎实的机器学习、深度学习和强化学习理论基础
• 强大的编程能力，熟练掌握 Python，并有竞赛或开源项目经验
• 在顶级会议（如 NeurIPS、ICML）发表过论文或参与过重要开源项目
• 具备独立研究和解决复杂问题的能力，对大模型和 Agent 技术有热情

申请策略

• 在简历中明确表达对 Agentic Coding 方向的热情，并展示相关思考或项目
• 提前了解美团在 AI 和代码方向的产品与布局，面试中展现出业务理解
• 突出在顶级会议发表的论文，尤其是与大模型、代码生成或强化学习相关的成果
• 强调编程竞赛获奖经历或高质量开源项目贡献，展示工程能力
• 详细描述参与过的大模型训练或数据构建项目，体现全链路经验
• 列出掌握的编程语言、框架和工具，如 Python、PyTorch、Hugging Face等
• 深入学习强化学习算法，尤其是 Reward Design 和 Self-Improvement 相关技术
• 熟悉大模型训练框架（如 DeepSpeed、Megatron）和数据流水线

面试指南

• STAR 法则：介绍背景、任务、行动和结果，突出个人贡献和思考
• 结构式回答：先给出核心结论，再分点阐述理由和细节
• 请详细介绍你参与过的大模型训练项目，包括数据处理、模型架构和调优过程
• 如何设计一个针对代码生成的强化学习奖励函数？有哪些挑战？
• 解释长上下文建模的难点，并介绍一种你了解的解决方案
• 请描述一个你独立解决的复杂技术问题，并说明你的思路
• 你对 Agentic Coding 的未来发展有什么看法？
• 复习大模型基础，包括 Transformer、预训练、微调和 RLHF 等核心概念