美团
【北斗】AutoResearch算法研究员
【北斗】AutoResearch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
本科
研究与开发 (研发)
NLP
PyTorch
强化学习
LLM
SFT
AutoML
运筹优化
多Agent协作
AI 估算 · 25k–40k
美团上市巨头，算法研究员岗位技术含量高，结合北京互联网行业薪资水平及校招竞争力，月薪约25-40k。
职位详情
关于这个职位
加入美团核心本地商业团队，参与研发下一代自动化算法研究智能体系统（AutoResearch），在亿级配送业务场景中探索AI驱动的算法创新闭环
你将聚焦于多Agent协作框架、训练策略与评测体系，以及业务闭环落地，推动AI在超大规模实时决策问题中的实际应用
适合对AI Agent、LLM和算法自动化有强烈兴趣的硕博在读或应届生
最低要求
届计算机、人工智能、数学、统计等相关专业在读或应届，本科及以上学历，博士/硕士优先
具备业务洞察与问题定义能力：能将模糊的研究目标拆解为可验证的实验假设，定对指标、选好方向，而非只会执行
具备AI驾驭能力：能引导LLM Agent完成复杂研究任务及工程实现，能够独立完成问题建模、论文阅读、算法复现、实验设计、结果分析和迭代优化
有识别AI输出质量问题的技术判断力与review能力
熟悉LLM及Agent基本机制，包括Agent Loop、Tool Use、Multi-Agent、Reasoning等
熟练使用Python及PyTorch等主流框架
自驱力强，能在开放性问题中主动推进，在不完美条件下快速验证假设，动手能力和执行能力强
工作职责
【愿景】研发下一代自动化算法研究智能体系统，在美团配送亿级业务场景中探索 AI 驱动的算法创新闭环
【你将参与】
方向一：自动化算法研究 Agent 能力研究与 harness 建设
研究并实现基于多 Agent 协作的自动化算法研发框架，探索 LLM 在研究规划、实验假设生成、复杂任务分解、工具使用、代码生成与执行、指标分析与策略复盘等自主科研全链路上的能力边界
设计 AutoResearch 的 harness 建设，建设算法的知识库与记忆系统，优化长程任务的上下文组织与记忆管理，包括 context scaling、memory selection、状态追踪，提升模型在复杂研究任务中的稳定性
方向二：AutoResearch 训练策略与评测体系
协助构建 AutoResearch 评估基准，设计自动评审机制，量化 AI 生成算法方案的质量
围绕 SFT、RLVR 等方法，设计面向算法研究任务的数据配方与 outcome/process-level 反馈信号
跟踪 AI Scientist、AIDE、MLR-Bench 等前沿工作，结合业务场景复现并改进 SOTA 方案，系统分析推理漂移、长链路失稳等失败模式
方向三：业务闭环与落地
在外卖配送、骑手调度、定价决策等真实业务场景上验证 AutoResearch 范式，将研究成果转化为可量化的线上收益，探索 AI 驱动算法创新的新范式
将研究系统从单点模块扩展至履约全链路，打通特征工程→模型调优→A/B 部署的端到端 pipeline
探索 Agentic RL 与跨轮学习，使系统具备自主迭代进化能力
优先资格
有AutoML、Neural Architecture Search、AI驱动科研工具（如AI Scientist、AIDE、MLR-Bench类）的研究或工程经验
熟悉ClaudeCode、OpenClaw等开源Harness的设计与实现，或有Agent评估框架搭建经验
具有跨学科视野，能将运筹优化、强化学习等方法引入AutoResearch体系
在NeurIPS、ICML、ICLR、KDD等顶会发表过论文（含在投），或有被广泛使用的开源项目
对 AI Agent、Agentic RL、AI for Optimization、AI for Science、智能化算法研发系统等前沿方向有持续关注和独立思考，愿意探索 AI 改变算法研究范式的长期问题
AI 洞察
优缺点分析
优点
- 美团配送场景规模巨大，提供业界罕见的Agent大规模落地环境，研究能直接产生实际影响
- 团队GPU资源充足，Token供给有保证，支持前沿实验，且鼓励发表顶会论文
- 方向前沿（AutoResearch/Agentic RL），属于AI+算法自动化热门领域，技能积累价值高
- 技术难度大，需要同时掌握LLM、Agent、强化学习、运筹优化等多领域知识，学习曲线陡峭
- 适合对AI Agent和自动化算法研究有强烈热情，具备较强自驱力和编程能力的硕博在读或应届生，希望在真实大规模场景中推动前沿技术落地
缺点 / 挑战
- 工作强度可能较高，需在开放性问题中自驱推进，主动验证假设，对独立研究能力要求高
- 届为在校或应届，面临学术与业务双重压力，需要快速产出成果
角色解读
- 在团队内积累AutoResearch领域经验，成长为自动化算法研究方向的专家
- 通过真实业务超大场景验证，有机会向AI科学家或技术Leader方向发展
- 团队鼓励顶会论文发表，可走学术+工业结合路线，成为AI for Science领域领军人才
- 研究并实现基于多Agent协作的自动化算法研究框架，探索LLM在科研全链路中的能力边界
- 构建AutoResearch的训练策略与评测体系，包括评估基准设计、自动评审机制、数据配方与反馈信号
- 在美团配送、骑手调度等真实业务场景中验证并落地AutoResearch范式，推动AI驱动算法创新
- 扎实的编程能力，熟悉Python和PyTorch，能独立完成算法复现和实验
- 深入理解LLM及Agent机制，如Agent Loop、Tool Use、Multi-Agent、Reasoning等
- 具备业务洞察和问题定义能力，能拆解模糊目标为可验证假设，并设计实验验证
申请策略
- 在简历中体现对AI驱动算法研究范式的思考，如对前沿工作的观点和未来方向见解
- 若有机会提前联系团队内学长学姐，了解内部研究方向和团队风格，增加匹配度
- 突出LLM/Agent相关项目经验，如多Agent系统、Tool Use、代码生成等，展示技术深度
- 强调独立完成研究的能力，包括问题建模、实验设计、结果分析等，可使用论文或开源项目佐证
- 如果参与过AutoML、AI Scientist相关研究，务必重点描述，这是加分项
- 提前熟悉AI Scientist、AIDE、MLR-Bench等开源项目，动手复现或改进以增加实操经验
- 补充强化学习或运筹优化知识，了解Agentic RL，提升跨学科能力
面试指南
- STAR法则（情境-任务-行动-结果）用于描述项目经验，突出技术细节和贡献
- 问题拆解：先定义问题边界和假设，再提出实验方案和评估指标，体现结构化思维
- 展示对前沿工作的了解：引述相关论文或项目，并给出自己的批判性思考和改进建议
- 请介绍一个你曾参与的LLM Agent项目，遇到的主要挑战是什么？如何解决的？
- 你认为AutoResearch目前面临的最大瓶颈是什么？如何设计实验来验证？
- 如何评估一个AI生成的算法方案的质量？请设计一个自动评审机制
- 你如何看待Agentic RL在自动化算法研究中的应用？
- 在美团配送场景中，你如何将Agent系统从单点扩展至全链路？
匹配度报告
69
综合匹配度
美团算法研究员（AutoResearch方向），前沿技术栈、顶级业务场景、高发展性，但WLB一般。
适合人群
该职位最适合追求技术成长和前沿研究，愿意投入高强度工作换取职业发展的求职者。
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92
工作生活30
使命价值80
薪资福利匹配
75中等
美团上市巨头，薪资待遇在行业中有竞争力，提供五险一金等基础福利，但JD未明确薪资细节，总体补偿性动机满足较好。
薪资信号未披露（AI估算：25K-40K/月）
成长发展匹配
92较高
职位聚焦前沿AI Agent和自动化研究，技术含量极高，提供真实大规模场景和充足GPU资源，团队鼓励顶会论文，发展性动机极好。
技术前沿前沿/新兴技术
技术栈LLM、Agent、AutoML、RL、SFT、RLVR、Agentic RL
成长机会鼓励发表顶会论文、学术合作通道、团队论文产出稳定
业务类型profit_center
工作生活匹配
30较低
北京现场办公，未提及弹性或远程，且属于大厂核心研发岗，工作强度可能较大，生活化动机满足有限。
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
美团配送业务影响数亿用户，AutoResearch可提升算法效率，具有社会价值；行业处于高速增长赛道，意义感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs