美团【转正实习】大模型智能体算法工程师
任职要求
1.熟悉大模型的原理，具备精调、预训练、强化学习等方面的经验； 2.熟悉自然语言处理常见算法与模型，具备深度学习技术在NLP领域的应用实践； 3.具备良好的编程实现能力，熟悉C++、Python、Java等常用编程语言中至少一种； 4.较强的分析问题和解决问题的能力，对解决具有挑战性问题充满激情； 5.具备强烈的进取心、求知欲及团队合作精神，热衷于追求技术创新； 6.在ACL、EMNLP、NAACL、SIGIR等自然语言处理会议或期刊中有论文发表者优先。
工作职责
1.研究大模型智能体和对话技术的基础核心能力，包括推理、规划、复杂指令遵循、知识注入、偏好对齐、拟人沟通等核心能力； 2.基于大模型，研发语音/对话交互场景各类智能体应用，支持智能客服、语音智能分析等项目，提升美团服务能力和效率； 3.深入理解智能体和对话交互相关业务场景，进行重点难点技术攻关工作，将技术优化与业务场景联系起来，快速解决业务痛点问题； 4.不断探索技术新领域，持续推动技术能力的沉淀和技术氛围的建设。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：火山引擎是字节跳动旗下的云服务平台，将字节跳动快速发展过程中积累的增长方法、技术能力和工具开放给外部企业，提供云基础、视频与内容分发、大数据、人工智能、开发与运维等服务，帮助企业在数字化升级中实现持续增长。 1、协助大模型应用开发：在资深工程师的指导下，参与大模型相关应用的开发工作，如知识助手等，负责应用的调试与优化； 2、数据处理与分析：协助进行模型训练数据的收集、整理、标注工作，并对数据进行分析，提升应用的准确性； 3、问题排查与解决：在应用开发过程中，及时发现并记录遇到的技术问题，对于无法解决的问题，及时上报，协助定位和修复问题； 4、智能体搭建：参与AI Agent项目交付工作，包括智能体设计、搭建以及调优、工作流建设。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：直播团队负责为抖音集团提供直播服务。团队负责直播平台技术和直播业务研发，打造灵活稳定的直播服务平台，为用户提优质直播体验，支持电商、本地生活、游戏、节目、多人互动等不同类型的业务场景。直播业务发展迅猛，处于行业头部地位，业务发展空间巨大。现在加入我们，和优秀的人一起做有挑战的事，你的技术与创意将影响亿级用户，激发创意和丰富生活。 1、负责研发基于大模型的AI Agent智能研发系统，构建工程研发过程中与工程师深度协作的智能体； 2、研究并推动智能任务规划与拆解算法的落地部署，包括需求理解、智能任务分发、计划监督与自动修正； 3、负责探索多智能体协作机制，解决Agent与人、Agent与Agent之间高效协同的现实问题； 4、推进智能UI自动生成算法研究，细致解决多场景适配、设计风格理解、用户意图推理的挑战； 5、跟踪当前业界最新的多智能体、大模型应用研究进展，确保团队技术领先。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data-电商-智能对话团队，负责抖音电商场景下的智能对话与问答技术的创新和研究工作，致力于打造客服领域内领先的智能对话机器人，帮助平台和商家高效、准确地解决用户问题提升用户体验，降低平台/商家运维成本，不断提升业务效果。 1、数据挖掘：负责数据集的构建与维护，利用数据飞轮机制不断优化数据质量和丰富度，进行深度的数据挖掘，沉淀高价值信息，开发和优化Query理解、召回、相关性排序等技术，提升信息检索的效率和准确性，提升RAG的效果； 2、大模型训练：针对业务需求进行大模型的继续训练（CT）、有监督微调（SFT）、偏好学习，以及多模态模型训练，提升模型在特定场景下的表现； 3、提示词工程：与业务专家合作，构建和优化结构化的提示词，充分挖掘和利用大模型的能力，高效、精准解决实际问题； 4、智能体技术：利用领先的智能体框架，增强大模型的推理、对话和反思能力，解决复杂业务问题，提升用户体验； 5、大模型评测：制定和实施大模型的评估方案，结合人工评估和自动化评估手段，确保模型性能的可靠性和稳定性； 6、应用落地：定义业务问题，设定任务标准和目标，不断优化模型和系统，以达到最佳的业务效果和用户满意度。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data-电商-智能对话团队，负责抖音电商场景下的智能对话与问答技术的创新和研究工作，致力于打造客服领域内领先的智能对话机器人，帮助平台和商家高效、准确地解决用户问题提升用户体验，降低平台/商家运维成本，不断提升业务效果。 1、数据挖掘：负责数据集的构建与维护，利用数据飞轮机制不断优化数据质量和丰富度，进行深度的数据挖掘，沉淀高价值信息，开发和优化Query理解、召回、相关性排序等技术，提升信息检索的效率和准确性，提升RAG的效果； 2、大模型训练：针对业务需求进行大模型的继续训练（CT）、有监督微调（SFT）、偏好学习，以及多模态模型训练，提升模型在特定场景下的表现； 3、提示词工程：与业务专家合作，构建和优化结构化的提示词，充分挖掘和利用大模型的能力，高效、精准解决实际问题； 4、智能体技术：利用领先的智能体框架，增强大模型的推理、对话和反思能力，解决复杂业务问题，提升用户体验； 5、大模型评测：制定和实施大模型的评估方案，结合人工评估和自动化评估手段，确保模型性能的可靠性和稳定性； 6、应用落地：定义业务问题，设定任务标准和目标，不断优化模型和系统，以达到最佳的业务效果和用户满意度。