【北斗】CodeAgent后训练方向研究员（数据分析与ToSQL方向）

优缺点分析

角色解读

• 在美团海量真实业务数据上验证研究成果，积累行业稀缺经验
• 从研究员逐步成为技术Leader，带领团队攻克前沿技术难题
• 可向AI科学家或技术专家方向发展，参与公司级技术战略制定
• 研究大模型在表格和文本混合数据上的理解与推理，解决信息丢失和幻觉问题
• 构建基于代码执行沙盒的强化学习闭环，利用真实数据反馈训练Agent
• 开发细粒度过程奖励模型，结合Test-Time Compute策略和MCTS搜索提升推理能力
• 扎实的机器学习/深度学习基础，熟悉强化学习算法（PPO、RLHF等）
• 精通Python，有大型项目代码能力，熟悉GitHub协作
• 有顶会论文（ACL/EMNLP/NeurIPS等）发表经验，具备独立科研能力

申请策略

• 深入了解美团当前AI战略和基础研发平台的技术方向，在面试中展现对业务场景的理解
• 准备好一个关于你过往研究如何应用于Agentic RL或数值推理的故事
• 突出在Agentic RL、PRM或代码推理方向的具体研究成果，比如论文创新点、实验效果
• 列出GitHub上高Star的AI项目或向开源社区提交的PR，证明工程能力
• 如果有在美团或类似业务场景的实习/项目经验，重点描述数据理解与强化学习的结合
• 补充Test-Time Compute和MCTS搜索的相关知识，阅读最新论文
• 熟悉RLHF训练框架（如DeepSpeed、TRL），动手实践代码执行沙盒（如CodeSandbox）

面试指南

• 对于RL算法问题，先讲直觉理解，再推导关键公式，最后举例应用场景
• 对于研究问题，按「问题背景-现有方法局限-你的创新-实验验证」结构回答
• 对于工程问题，描述具体实现细节，强调鲁棒性和效率
• 请解释PPO算法的原理及其在Agentic RL中的应用
• 如何设计一个过程奖励模型（PRM）来指导MCTS搜索？
• 你在顶会论文中解决了什么关键问题？请详细描述方法
• 对于Table+文本混合数据，目前大模型的瓶颈在哪里？你有什么改进思路？
• 你熟悉哪些代码执行沙盒？如何构建强化学习的数据反馈闭环？