美团
【北斗】大模型算法研究员（Agent/RL/推理）
【北斗】大模型算法研究员（Agent/RL/推理）
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
本科
研究与开发 (研发)
PyTorch
NeurIPS
LLM
JAX
SFT
RLHF
DPO
Grpo
Multi-Agent
AI 估算 · 25k–35k
美团北斗计划属于高端校招，面向顶尖硕博，薪资对标一线大厂，预计月薪25k-35k，15薪。
职位详情
关于这个职位
这是一份面向2027届优秀学生的美团北斗计划大模型算法研究员岗位，专注于Agent技术体系、LLM后训练算法、评测与数据体系建设
你将参与千万级并发场景下的真实业务落地，与顶尖团队合作探索前沿技术，并有机会发表顶会论文
最低要求
届计算机、数学、统计等相关专业在读或应届，本科及以上，博士/硕士优先
扎实的机器学习与深度学习基础，熟悉Transformer架构及其变体，具备独立阅读和复现顶会论文的能力
熟练掌握Python及PyTorch/JAX等主流框架，具备清晰的代码工程意识
对大模型的训练流程（预训练/后训练）或Agent构建有系统性理解，具备独立完成端到端实验的能力
具备RLHF/DPO/GRPO或其他对齐算法的实际训练与调优，对相关数据构建有深度认知
工作职责
方向一：Agent技术体系研究与落地
设计并构建面向真实业务场景的Agent技术体系，涵盖任务规划、工具调用、多轮推理、自我反思与纠错等核心模块
深入抽象业务核心问题，建立可量化的评估反馈信号，驱动Agent在复杂履约场景中实现可度量的效果提升
探索Multi-Agent协作框架，研究Agent在千万级并发场景下的可靠性、安全性与成本效率
方向二：LLM后训练算法研究
负责面向特定业务场景的指令精调（SFT）、偏好对齐（RLHF/DPO/GRPO等）全链路研究与工程落地
研究Scalable Oversight、持续学习、AI和环境反馈的强化学习（RLXF）等前沿方向
同时探索奖励模型与反馈机制、可泛化的细粒度过程监督和奖励建模等，提升模型在复杂推理与工具调用任务上的能力上限
主导训练数据的质量工程，包括数据清洗、合成数据构建及标注流程设计
垂域模型定制化构建，领域认知智能突破，探索小样本场景自演进架构设计、可信推理机制构建等方向
方向三：评测与数据体系建设
设计覆盖Agent行为、模型能力、业务指标的多维评测体系，建立自动化的诊断与归因链路
与业务团队深度协作，构建端到端的训练-评估-迭代闭环，将研究成果转化为线上可量化的业务收益
方向四：前沿跟踪与对外输出
持续追踪NeurIPS/ICML/ICLR/ACL等顶会最新进展，具备将前沿论文快速工程化落地的能力
鼓励将内部研究成果整理为学术论文，向行业输出技术影响力
优先资格
熟悉ClaudeCode、OpenClaw、Hermes等开源Harness的设计和实现
在NeurIPS/ICML/ICLR/ACL/EMNLP等顶会发表过论文（含在投），或有被广泛引用的开源项目
有Agent系统（如ReAct/Toolformer/CodeAct类）的研究或工程经验，理解Agent失败模式与评估瓶颈
参与过千卡以上规模分布式训练，或对推理优化（量化、投机解码等）有动手经验
ACM-ICPC/Kaggle/算法竞赛获奖，展示出优秀的算法直觉与问题拆解能力
具有跨学科视野，能将运筹优化、时空感知等方法引入LLM Post-Training体系
AI 洞察
优缺点分析
优点
- 真实业务场景：千万级日订单、百万级骑手，提供业界罕见的Agent大规模落地环境，研究成果能直接产生业务价值
- 资源保障：充足的GPU集群支持千卡规模实验，让想法快速验证
- 学术导向：团队鼓励发表顶会论文，有完善学术合作通道和高密度研究氛围
- 团队实力强：曾获美团技术突破奖，与多所顶尖高校保持联合研究，成长速度快
- 技术难度高：涉及LLM后训练、Agent、Multi-Agent等前沿方向，需要持续学习与突破
- 工作强度可能较大：属于研究与工程并重，需要快速迭代和解决复杂问题
- 竞争激烈：面向顶尖学生，面试和工作中都需要高水平表现
缺点 / 挑战
- 适合对LLM和Agent有浓厚兴趣、愿意挑战技术难题、希望在真实场景中实践并发表高质量论文的顶尖硕博学生
角色解读
- 在美团北斗计划中快速成长为LLM/Agent领域的专家，主导核心算法方向
- 有机会发表顶会论文，建立学术影响力，成为行业技术领袖
- 未来可向技术专家（P序列）或技术管理（M序列）发展，参与更宏大的技术战略
- 设计并构建面向真实业务场景的Agent技术体系，包括任务规划、工具调用、多轮推理等核心模块
- 负责LLM后训练算法全链路研究，包括指令精调（SFT）、偏好对齐（RLHF/DPO/GRPO）等
- 搭建多维评测体系，与业务团队协作形成训练-评估-迭代闭环
- 持续跟踪NeurIPS等顶会进展，推动前沿论文工程化落地并鼓励发表学术论文
- 扎实的机器学习与深度学习基础，熟悉Transformer架构及其变体
- 熟练掌握Python及PyTorch/JAX等主流框架，具备清晰的代码工程意识
- 对大模型训练流程或Agent构建有系统性理解，能独立完成端到端实验
- 具备RLHF/DPO/GRPO等对齐算法的实际训练与调优经验
申请策略
- 深入了解美团本地生活业务场景，思考Agent和LLM如何赋能履约技术平台
- 准备一个完整的端到端实验案例，展示从问题定义、数据构建到模型训练和评估的闭环
- 重点突出大模型相关项目经验，如参与过预训练、SFT、RLHF等全流程
- 展示代码工程能力：GitHub开源项目、参与过大规模分布式训练
- 如有顶会论文（在投或发表）或算法竞赛获奖，务必列出
- 强调Agent系统构建经验，如ReAct、Toolformer等
- 补充RLHF/DPO/GRPO等对齐算法的动手实践
- 熟悉主流开源Agent框架如LangChain、AutoGPT等
面试指南
- 针对项目类问题，采用STAR法则：情境、任务、行动、结果，突出技术难点和你的贡献
- 对于算法原理类问题，先给出数学定义，再解释直觉，最后对比不同方法的优劣
- 对于开放设计类问题，首先明确约束条件，然后提出方案框架，讨论trade-off
- 请详细描述你做过的一个LLM微调项目，包括数据构建、模型选择、训练策略和评估指标
- 如何设计一个Agent系统使其在复杂环境中能够可靠地完成任务规划与工具调用？
- 解释RLHF的原理，并比较DPO和GRPO的优缺点
- 你如何看待Multi-Agent协作中的安全性与成本效率问题？
- 请详细讲述你熟悉的一个Transformer变体及其在LLM中的应用
匹配度报告
75
综合匹配度
美团北斗计划，前沿AI研究方向，真实场景与充足资源，成长性极强但WLB一般。
适合人群
最适合追求技术成长、渴望在AI前沿领域快速积累经验和成果的求职者，对WLB要求不高。
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80
薪资福利匹配
75中等
薪资属于顶尖校招水平，但未明确福利细节，稳定性因美团上市公司而较好。
薪资信号未披露（AI估算：25K-35K/月）
成长发展匹配
95较高
该职位处于AI前沿，提供真实业务场景和充足算力，鼓励学术发表，成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RLHF、DPO、GRPO、SFT、Multi-Agent、Transformer、PyTorch、JAX
成长机会论文发表、学术合作、前沿追踪、技术影响力
业务类型profit_center
工作生活匹配
50较低
工作地点在北京，未明确WLB，但互联网大厂研究岗位工作强度通常较高。
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
80较高
服务于美团本地生活，改善数亿人配送体验，社会价值明显，且行业处于高速增长期。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号服务10亿用户、市场首选、社会认可
创新程度开拓性创新（行业首创）
Watch Jobs