美团
【北斗】大模型算法工程师—生成式搜推广告算法
【北斗】大模型算法工程师—生成式搜推广告算法
发布于 大约 2 个月前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
本科
软件工程
协同过滤
多模态
广告算法
推荐系统
深度学习
生成式模型
LLM
NLP
PyTorch
AI 估算 · 25k–35k
美团校招算法岗薪资水平较高，北京地区硕士起薪约25-35k/月，算法类岗位有额外补贴，综合年薪40-55万。
职位详情
关于这个职位
这是一个面向2027届毕业生的校招算法岗位，专注于大模型在广告搜索推荐领域的应用
你将参与多模态理解、LLM与协同信号融合、生成式召排等前沿技术研发，并在美团亿级流量平台上验证成果
该岗位提供充足算力和资深专家带教，支持论文产出，适合对推荐系统、NLP、多模态有深入研究兴趣的同学
最低要求
届本科及以上学历，计算机、人工智能等相关专业
熟练掌握 Python，熟悉 PyTorch 等主流深度学习框架
扎实的机器学习/深度学习理论基础，对推荐系统、NLP、多模态、LLM 中至少一个方向有深入研究或项目经验
工作职责
多模态理解与表征技术研究：运用多模态技术理解异构本地生活供给（图文/商品/门店/短视频），通过跨模态对齐、多模态预训练、SID编码等方式为召排模型提供高质量表征输入
LLM 与协同信号融合建模：将 LLM 的语义理解与推理能力和协同过滤信号深度融合，通过指令微调、CoT 推理增强、协同信号注入等方式，构建兼具行为记忆力与语义泛化力的统一广告模型
生成式召排链路升级：探索生成式技术对召回、预估、重排的系统性改造，推动广告系统端到端统一建模
研究广告场景下 Scaling 规律，建立模型规模与业务指标的可预测转化关系
Agent 自迭代能力构建：探索基于 LLM 的广告系统自演进框架，利用 Multi-Agent 自动化特征工程、样本挖掘、实验分析等研发环节，构建模型基于线上反馈持续自迭代的能力
优先资格
在 NeurIPS、ICML、ICLR、KDD、WWW、RecSys 等顶会发表论文
ACM-ICPC、Kaggle 等顶级算法竞赛获奖
有大厂广告/推荐系统相关实习经验
AI 洞察
优缺点分析
优点
- 岗位涉及多模态、LLM、生成式等前沿技术，与学术界方向对齐，支持发表顶会论文
- 提供充足 GPU 算力和资深专家 1v1 带教，成长速度快
- 校招岗位，对经验要求较低，适合有志于算法方向的学生
- 技术门槛高，需要同时掌握推荐系统、NLP、多模态等多个领域知识
- 竞争激烈，校招名额有限，且对论文/竞赛有加分偏好
- 适合对推荐广告算法有浓厚兴趣、乐于探索前沿技术（如LLM、多模态）的2027届计算机或AI相关专业研究生
缺点 / 挑战
- 美团是本地生活巨头，广告算法直面亿级流量，技术挑战大、业务价值高
- 工作强度较大，互联网大厂核心部门可能需要应对快速迭代和长期项目压力
角色解读
- 技术纵深发展：从算法工程师成长为推荐/广告领域的专家，主导核心模型创新
- 横向扩展：从多模态到生成式模型，覆盖更广的人工智能技术栈
- 管理路径：资深后可带领团队负责广告算法方向，晋升为技术负责人或架构师
- 研究多模态技术，理解图文、商品、短视频等异构内容，为模型提供高质量表征
- 将大语言模型（LLM）的语义理解与协同过滤信号融合，优化广告模型
- 探索生成式技术升级召回、预估、重排流程，推动广告系统端到端统一建模
- 利用 Multi-Agent 和 LLM 实现自动化特征工程、样本挖掘等，构建模型自迭代能力
- 扎实的 Python 和 PyTorch 深度学习框架使用能力
- 深入的机器学习/深度学习理论基础，熟悉推荐系统、NLP、多模态或 LLM 之一
- 具备顶会论文或竞赛获奖经验者优先，但非必需
- 了解广告系统或推荐系统的基本架构和常见挑战
申请策略
- 了解美团本地生活广告的业务场景，思考LLM如何赋能广告投放
- 在简历中可提及对生成式搜推的理解，体现对该岗位方向的兴趣
- 突出机器学习/深度学习项目经验，尤其是推荐系统、NLP、多模态相关
- 如有顶会论文或算法竞赛获奖，务必明显展示
- 强调 Python 和 PyTorch 的熟练度，以及数据处理和模型训练经验
- 系统学习推荐系统和广告算法的基础知识，如召回、排序、CTR预估等
- 动手实现一个基于PyTorch的多模态或LLM相关项目，并上传GitHub
- 阅读最近2年KDD、RecSys等会议的广告方向论文，了解工业界前沿
面试指南
- 针对技术设计类问题，先阐述核心原理，再结合业务场景说明方案，最后分析可能的问题
- 对于开放性问题，采用“问题分析-方案提出-效果评估”的结构，展示系统性思考
- 项目经验类问题，遵循STAR原则：情境、任务、行动、结果，突出个人贡献和成果
- 请解释多模态对齐的常见方法，并举例在广告场景中的应用
- LLM如何与协同过滤信号融合？请设计一个模型架构
- 生成式模型在推荐系统中如何用于召回或排序？优缺点是什么？
- 谈谈你对广告系统CTR预估模型的理解，以及如何用多模态特征改进？
- 有在大厂广告/推荐系统的实习经历吗？具体做了什么？
职位点评
79
综合评分
美团大模型算法岗，技术前沿、成长资源丰富，但工作强度可能较大，WLB一般。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
最适合追求技术前沿和快速成长的求职者，不太适合看重工作生活平衡的人。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活50
使命价值70
薪资福利
85较高
校招算法岗薪资具有竞争力，美团福利完善（如五险一金、年终奖等），但对实习岗位的福利未在JD中详细说明。
薪资信号未披露（AI估算：25K-35K/月）
成长发展
95较高
该岗位提供前沿技术方向（多模态、LLM、生成式）、充足GPU算力、资深专家带教、支持论文产出，成长环境极佳。
技术前沿前沿/新兴技术
技术栈多模态、LLM、生成式模型、PyTorch、Multi-Agent、Scaling
成长机会1v1全程指导、深度参与核心方案、系统性工业界算法研发训练
业务类型profit_center
工作生活
50较低
美团北京办公，通常为现场办公，未提及弹性或远程。互联网大厂核心部门工作强度可能较大，但未在JD中明确要求加班。
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
岗位服务于本地生活广告业务，推动商业数字化，具有一定的社会价值。行业处于稳定增长期，但相比医疗等有直接社会贡献的行业，意义感中等。
行业发展稳定成熟行业
社会影响中性/一般
使命信号推动本地商业数字化营销
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