【LongCat大模型人才校招】大模型自进化与自动化研究智能体研究员

优缺点分析

角色解读

• 从研究员到技术专家：深入大模型自进化与自动化研究领域，成为 AI Scientist 方向的领军人才
• 横向扩展至模型全链路：积累从数据构造、训练到评测的完整经验，成为大模型研发的全面手
• 向技术管理者发展：在团队中逐步承担技术规划与指导角色，带领子方向或项目组
• 设计和构建自动化研究智能体系统，使大模型能够自主进行任务分解、规划、代码生成与执行，并整合实验结果
• 开发可交互、可验证的研究环境，集成搜索、浏览器、代码执行、训练任务等工具，确保实验闭环的可靠性和可复现性
• 设计模型自进化机制，包括经验记忆、技能沉淀、失败轨迹利用，并构建相应的奖励信号和反馈循环来持续提升模型能力
• 在模型研发全链路（预训练、后训练、评测诊断）中落地应用，验证系统效果并推动迭代优化
• 扎实的编程能力：熟练使用 Python 和 C++，能够独立实现复杂系统和实验设计
• 大模型与 Agent 相关经验：熟悉大语言模型、Agent、强化学习、代码生成、检索增强等至少一个方向
• 研究能力：能够从开放问题中提出假设、设计实验并推动结果落地，具备强问题拆解能力
• 沟通协作能力：在高不确定性前沿方向上与团队高效协作，持续推进项目

申请策略

• 关注美团技术博客和研究方向，了解 LongCat 项目背景，在面试中展示对团队工作的理解
• 准备好一个完整的项目介绍，包括背景、方法、实验和结果，突出你的独立思考与贡献
• 突出大模型或 Agent 相关项目经验，尤其是涉及代码生成、强化学习、自动化实验系统的成果
• 展示编程能力和工程实现细节，如独立开发的复杂系统或开源贡献
• 强调研究能力：需包含论文发表、竞赛获奖或原创性研究项目
• 体现团队协作和沟通案例，尤其是在高不确定性项目中的推进经验
• 系统梳理大模型、Agent、强化学习基础知识，阅读相关顶会论文（如 AI Scientist、Agentic RL）
• 动手实现一个简单的自动化实验系统或 Agent 框架，熟悉 Tool Use、Code Execution 等模块

面试指南

• STAR 法则：描述项目背景、任务、行动和结果，强调技术细节和你的独特贡献
• 结构化思维：先分解问题，列出关键子问题，再逐一提出假设和验证方案
• 利弊分析：回答时主动讨论方案的优缺点和改进方向，展示深度思考
• 请描述一个你设计并实现的 Agent 或大模型相关项目？
• 如何设计一个自动化研究智能体的实验闭环？需要考虑哪些环节？
• 你如何定义一个模型自进化的奖励信号？有什么潜在问题？
• 请解释代码生成任务中，如何确保生成代码的正确性和可执行性？
• 如果让你改进一个现有的大模型评测流程，你会怎么做？