美团
【北斗】基于大模型的搜索算法工程师
【北斗】基于大模型的搜索算法工程师
发布于 大约 16 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
硕士
软件工程
机器学习
PyTorch
RAG
自然语言处理
推荐系统
多模态
搜索算法
大模型
AI 估算 · 6k–10k
美团北京算法实习岗位，薪资水平在行业中等偏上，技能要求前沿，实习时长通常为3-6个月，按月发放。
职位详情
关于这个职位
作为美团核心本地商业的搜索算法实习生，你将参与基于大模型和Agent技术的前沿搜索算法研发，包括搜索排序、Query理解、RAG系统、多模态理解等方向，探索AI Native搜索体验，助力用户发现真实世界的美好
最低要求
届硕士及以上学历，计算机、人工智能、机器学习、自然语言处理、信息检索、数学、统计等相关专业优先
具备扎实的机器学习、深度学习和算法基础，熟悉搜索、推荐、NLP、大模型、多模态理解等至少一个方向
熟悉 PyTorch / TensorFlow 等深度学习框架，具备较强的编程能力和工程实现能力，能够独立完成算法模块设计、实验验证和线上落地
对大模型应用有热情，了解或实践过 RAG、Fine-tuning、Agent、Prompt Engineering、Context Engineering、多模态检索等方向者优先
具备良好的问题抽象和数据分析能力，能够从真实业务问题出发，定义目标、设计方案、分析实验，并推动结果上线
熟练使用 Python
有使用 Claude Code、Cursor、Codex 等 AI 编程工具提升研发效率经验者优先
有搜索、推荐、NLP、信息检索、生成式 AI、多模态方向科研或实习经历者优先
在 SIGIR、WWW、KDD、ACL、AAAI、NeurIPS、ICLR、CIKM 等会议发表论文，或在高水平算法竞赛中取得优异成绩者优先
工作职责
智能搜索核心算法：参与大众点评搜索召回、粗排、精排、相关性、混排、Query理解、地理位置理解等核心算法研发，提升搜索结果的精准性、个性化、时效性和地域匹配能力
复杂 Query 理解与本地生活语义建模：建设面向本地生活场景的意图理解、NER、类目理解、地标识别、本异地识别、场景理解、自然语言条件解析等能力
AI Native 搜索体验探索：用大模型和生成式 AI 重构搜索交互与结果形态，探索评价总结、商户验真、多商户对比、复杂条件找店、LBS决策、路线规划、攻略问答等新型搜索体验
RAG / Agent / Context Engineering 落地：参与构建面向 AI 搜索的检索增强生成系统，包括 Query Planning、多源检索、证据排序、上下文压缩、回答生成、事实校验、Trace与评估体系等
多模态与本地生活供给理解：建设面向商户、评价、笔记、图片、视频、菜品、榜单等多源信息的理解能力
AI 辅助研发与 AutoResearch：探索使用 Agent 和 AI 编程工具提升算法研发效率，参与自动化实验、结果分析、badcase归因、策略迭代等 AI Native 工程实践
优先资格
对大模型应用有热情，了解或实践过 RAG、Fine-tuning、Agent、Prompt Engineering、Context Engineering、多模态检索等方向者优先
有使用 Claude Code、Cursor、Codex 等 AI 编程工具提升研发效率经验者优先
有搜索、推荐、NLP、信息检索、生成式 AI、多模态方向科研或实习经历者优先
在 SIGIR、WWW、KDD、ACL、AAAI、NeurIPS、ICLR、CIKM 等会议发表论文，或在高水平算法竞赛中取得优异成绩者优先
AI 洞察
优缺点分析
优点
- 美团核心本地商业部门，业务场景丰富，数据量大，算法落地价值高
- 聚焦大模型、RAG、Agent等前沿技术，紧跟AI行业趋势，技能积累含金量高
- 团队技术氛围浓厚，有机会发表顶会论文或参与高水平竞赛，提升个人影响力
- 实习薪资竞争力强，且有转正机会，职业发展路径清晰
- 搜索算法涉及环节多，技术栈复杂，需要快速学习和适应
- 大模型应用仍处于探索阶段，需要面对不确定性，可能遇到效果不稳定的情况
- 适合对搜索推荐或大模型有浓厚兴趣，具备扎实算法基础和较强工程能力的硕士/博士研究生，希望通过实习积累实战经验并进入头部互联网公司
缺点 / 挑战
- 工作强度可能较高，尤其是项目上线和实验迭代期间
角色解读
- 实习表现优秀可转正，成为美团正式算法工程师，参与核心业务算法研发
- 深耕搜索推荐或大模型方向，成为技术专家或技术Leader，主导AI Native搜索产品的演进
- 积累多模态、知识图谱、对话系统等交叉领域经验，可向更广泛的AI应用场景发展
- 负责大众点评搜索算法的研发与优化，包括召回、排序、相关性等核心环节，提升搜索质量
- 构建面向本地生活场景的Query理解与语义建模能力，处理复杂、模糊的用户需求
- 探索基于大模型和生成式AI的新型搜索体验，如AI总结、多商户对比、LBS决策等
- 参与RAG/Agent系统的搭建与落地，确保大模型在业务中稳定、可信、可控
- 扎实的机器学习、深度学习基础，熟悉搜索、推荐、NLP、大模型等至少一个方向
- 熟练使用PyTorch或TensorFlow，具备较强的编程和工程实现能力
- 对大模型应用有热情，了解RAG、Fine-tuning、Agent、Prompt Engineering等前沿技术
- 良好的问题抽象和数据分析能力，能够从业务问题出发推动算法落地
申请策略
- 关注美团的校招和实习招聘时间线，建议尽早投递，并准备一个与搜索或大模型相关的demo或博客展示你的动手能力
- 了解大众点评的产品特点，思考如何用AI改善本地生活搜索体验，在面试中展现业务洞察
- 突出搜索、推荐、NLP或大模型相关的项目或实习经历，说明你的具体贡献和成果
- 强调在PyTorch/TensorFlow等框架下的工程实现能力，如模型训练、部署等
- 若有RAG、Agent、多模态等方向实践经历，务必详细描述技术方案和效果
- 列出发表的论文或竞赛成绩，尤其是在SIGIR、KDD、ACL等会议上的发表经历
- 系统学习RAG、Fine-tuning、Agent等大模型应用技术，尝试用LangChain或LlamaIndex搭建小项目
- 深入理解搜索排序的经典模型（如DSSM、BERT）和最新进展，了解粗排、精排流程
面试指南
- 对于系统设计类问题，先给出整体框架，再深入细节，结合业务场景（本地生活）阐述权衡
- 对于技术实现类问题，说明常用方法（如双塔、BERT、LLM），并提到你可能做的改进或实验
- 对于开放性问题，保持结构清晰，先定义问题，再提出多个解决思路，最后评价优劣
- 请解释一下搜索系统的整体架构，包括召回、粗排、精排和重排的作用
- 如何用大模型优化搜索结果的多样性或个性化？请给出具体方案
- 请描述RAG系统的关键组件，以及如何处理检索结果的相关性和准确性
- 你如何理解Query理解中的意图识别和实体链接？举例说明难点
- 谈谈你对AI Native搜索的理解，与传统搜索相比有哪些优势和挑战？
匹配度报告
68
综合匹配度
美团核心技术岗位，前沿技术栈，成长机会极佳，但工作强度高，WLB一般。
适合人群
最适合追求技术成长和职业发展的求职者，尤其是对搜索、大模型有浓厚兴趣的同学。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利65
成长发展95
工作生活40
使命价值70
薪资福利匹配
65中等
实习薪资在行业中等偏上，提供五险一金（但实习通常不交公积金，此处按JD未明确），福利方面JD未提及具体福利，但美团作为大厂有基本保障。整体补偿性一般。
薪资信号未披露（AI估算：6K-10K/月）
成长发展匹配
95较高
职位涉及大模型、RAG、Agent等前沿技术，团队技术氛围浓厚，提供丰富的成长机会，且有转正可能，发展性极强。
技术前沿前沿/新兴技术
技术栈大模型、RAG、Agent、多模态、PyTorch、TensorFlow、NLP、搜索、推荐、生成式AI
业务类型profit_center
工作生活匹配
40较低
工作地点在北京核心区域，但JD未提及弹性办公或远程，默认现场办公；互联网大厂实习通常工作强度较高，WLB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
70中等
美团点评业务贴近用户日常生活，通过搜索改善用户体验具有社会价值；行业处于高速增长赛道，创新性高，但使命感不够突出。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs