美团
AI builder-模型方向
AI builder-模型方向
发布于 2 天前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
PyTorch
强化学习
SQL
RAG
TensorFlow
微调
知识蒸馏
大模型
Prompt Engineering
AI 估算 · 30k–50k
上海AI算法岗，大模型方向需求旺盛，美团平台成熟，薪资有竞争力。
职位详情
关于这个职位
作为AI Builder（模型方向），你将主导大模型技术在美团金融风控领域的落地，从模型选型、微调、强化学习到线上部署，推动AI全流程应用
你将与业务、工程团队紧密协作，用前沿AI能力解决信贷风控核心问题，在金融科技领域积累稀缺的技术壁垒
最低要求
AI能力要求：具备大模型相关生产环境项目经验，熟悉模型微调（Fine-tuning/PEFT/LoRA）、强化学习（RLHF/PPO）、知识蒸馏（Distillation）等核心技术
熟练使用主流深度学习框架（PyTorch/TensorFlow），有模型训练、评估、部署的全流程经验
熟悉Prompt Engineering、RAG、Agent等AI应用范式
专业经验：3年以上算法/机器学习相关经验，硕士及以上学历，计算机科学/人工智能/数学/统计学等相关专业
有信贷风控场景经验者优先
核心能力：精通Python编程，熟练使用SQL进行数据分析
深入理解机器学习/深度学习原理，具备从算法选型到工程落地的完整能力
具备较强的业务理解能力，能将业务问题转化为AI解决方案
软性素质：强烈的好奇心与自驱力，对前沿技术有持续探索的热情
具备多元化思维，能够从不同视角分析和解决问题
能够忍受不确定性，在快速变化的业务环境中保持韧性和创造力
善于应用AI工具提升工作效率，将AI融入日常工作流
工作职责
主导基于大模型的风控算法管线建设，包括数据准备、模型选型与微调（Fine-tuning）、强化学习策略优化（RL）、知识蒸馏（Distillation）及线上部署，推动AI从研究到生产的全流程落地
深度理解风控业务，积极探索LLM、多模态大模型等前沿算法在风控领域的应用并落地实践
深度理解信贷风控业务场景（如额价、审批等），结合大模型能力提出创新算法方案，与策略团队协同推进AI能力的快速迭代与效果验证
建立完善的模型评估体系，持续跟踪线上模型效果，通过AB实验和数据驱动方式推动模型持续迭代优化
与产品、工程、数据团队紧密协作，推动风控AI能力的工程化落地和规模化应用
优先资格
有信贷风控场景经验者优先
AI 洞察
优缺点分析
优点
- 直接负责大模型在金融风控的核心落地，技术前沿性强，积累稀缺经验
- 美团平台规模大，业务场景丰富，算法应用能快速产生实际价值
- 团队鼓励技术创新与前沿实践，资源充足，成长空间大
- 大模型技术迭代快，需要持续学习跟进，保持技术敏感度
- 跨团队协作频繁，需要较强的沟通和业务理解能力
缺点 / 挑战
- 风控领域对模型准确性和稳定性要求极高，容错率低，压力较大
- 该职位适合技术栈扎实、对大模型充满热情、喜欢挑战复杂业务问题并追求技术落地的工程师
角色解读
- 技术方向：从AI Builder成长为AI领域专家，在大模型+金融交叉领域形成独特壁垒
- 管理方向：未来可向技术负责人或团队Leader发展，带领团队攻克复杂AI问题
- 业务方向：深入理解金融风控业务，转型为AI产品专家或业务架构师
- 负责大模型在风控场景的完整落地，包括数据准备、模型微调、强化学习优化和部署
- 与策略团队合作，将LLM、多模态大模型等前沿技术应用于信贷风控业务
- 建立模型评估体系，通过AB实验持续迭代模型效果
- 与产品、工程、数据团队协同，推动AI能力的工程化与规模化
- 精通大模型微调、强化学习、知识蒸馏等核心技术
- 熟练使用PyTorch/TensorFlow等框架，有模型训练到部署的全流程经验
- 掌握Python和SQL，具备扎实的机器学习/深度学习理论基础
- 熟悉Prompt Engineering、RAG、Agent等AI应用范式
申请策略
- 提前了解美团金融的业务模式和风控场景，在面试中展示业务理解
- 思考并准备一个你主导的AI项目案例，从问题定义到落地效果完整讲述
- 突出大模型相关生产项目经验，特别是微调、RLHF、蒸馏等技术的实际应用
- 展示端到端的模型开发经历，包括数据、训练、评估、部署全流程
- 如果有信贷风控或金融相关背景，务必重点强调
- 列出具体的开源项目、论文或技术博客，体现技术深度与热情
- 补充强化学习（RLHF/PPO）和知识蒸馏的实践知识
- 熟悉Prompt Engineering、RAG、Agent等AI应用范式
面试指南
- STAR法则：描述场景、任务、行动和结果，突出技术细节和业务影响
- 技术原理+实践案例：先简明解释核心概念，再结合自身项目说明如何应用
- 结构化思考：从问题分析、方案对比、决策依据到效果验证，展现系统思维
- 请详细介绍你在大模型微调方面的项目经验，遇到过哪些挑战？
- 如何平衡模型效果与推理成本？在风控场景中你如何选择模型？
- 解释RLHF的原理，以及你在项目中如何应用？
- 设计一个基于大模型的信贷审批辅助系统，你会考虑哪些关键点？
- 如何评估风控模型的效果？AB实验设计需要注意什么？
匹配度报告
70
综合匹配度
美团金融风控AI岗，前沿大模型技术栈，发展性强，但WLB一般。
适合人群
适合追求技术成长、渴望在前沿AI领域积累核心能力的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活55
使命价值70
薪资福利匹配
70中等
薪资未在JD中明确，但美团作为上市公司薪资具有市场竞争力，福利体系完善，综合补偿性较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
85较高
技术栈前沿（大模型、强化学习），团队鼓励创新和探索，成长资源充足，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈大模型、微调、强化学习、知识蒸馏、PyTorch、TensorFlow
成长机会鼓励技术探索和前沿实践、充足资源
业务类型cost_center
工作生活匹配
55较低
仅现场办公，未提及弹性工作或远程，工作强度可能较高，生活化动机满足一般。
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
金融风控保障用户资金安全，具有一定的社会价值，但整体使命导向中等。
行业发展高速增长赛道
社会影响中性/一般
使命信号让生活变得更美好、守护用户的资金安全
创新程度积极采用新技术
Watch Jobs