美团大模型应用和智能体技术-个人助理及办公智能方向
任职要求
1. 计算机、人工智能、数学等相关专业硕士及以上学历，两年以上大模型、智能体或相关领域研发经验。 2. 具备扎实的大模型训练和调优背景，熟悉主流的大语言模型（Deepseek、Qwen、Llama等）及其他开源模型。 3. 在以下至少一个领域有深入研究和实践经验： - 问答系统、办公应用、个人助理 - 长文本理解、生成和处理 - 深度推理、逻辑和数学推理 - Function Call、工具调用 - Agent模型、多智能体系统、强化学习 4. 熟练掌握机器学习和深度学习的理论知识，熟悉常用的算法和模型。 5. 精通至少一种深度学习框架（如TensorFlow, PyTorch），并具备良好的编程能力（Python, C++等）。 6. 具备优秀的算法设计和实现能力，能够独立完成算法的需求分析、方案设计、代码实现和效果评估。 7. 具备良好的团队合作精神和沟通能力，能够与产品、工程团队高效协作。 8. 宽广的技术视野，强烈的钻研精神，主观能动性和学习能力，适应快速变化的技术趋势。 具备以下条件优先 1. 具备大模型在个人助理、企业办公应用的经验，对办公领域的AI演进有自己的理解和判断。 2. 能够结合业务需求进行技术选型和方案设计，对业务和用户有主动思考。 3. 具备良好的项目管理能力、沟通协调能力和解决问题的能力。
工作职责
美团基础研发平台，作为公司的核心技术平台，致力于“零售+科技”的战略发展。我们专注于智能体构建、大模型推理、多模态训练等核心技术，并通过FRIDAY模型工厂与应用工厂，为业务提供稳定、安全、易扩展与技术先进的平台技术和技术能力。我们聚焦于大模型和智能体的前沿算法研究和应用落地，致力于将先进的人工智能技术转化为实际的业务价值。 我们真诚邀请你加入我们，共同推动技术发展，创造行业价值。 1. 负责大模型在业务场景下关键能力的应用研发，包括但不限于知识和指令遵循、分析诊断、深度推理、反思和评估等能力的优化和落地。 2. 负责个人助理、企业知识问答、办公应用等算法工作，推动相关技术在实际业务中的应用。 3. 优化企业内知识和外部信息拓展的查询、跟进、总结能力，提升办公效率。 4. 研发和优化智能体的function call、多智能体间协调，使其能够高效、准确地调用内部和外部工具，扩展智能体的应用边界。 5. 与工程团队紧密合作，推动算法模型的工程化落地，包括模型压缩、加速、部署和监控等环节。 6. 跟踪业界前沿技术，结合业务需求进行预研和技术储备，保持团队的技术竞争力。
美团基础研发平台，作为公司的核心技术平台，致力于“零售+科技”的战略发展。我们专注于智能体构建、大模型推理、多模态训练等核心技术，并通过FRIDAY模型工厂与应用工厂，为业务提供稳定、安全、易扩展与技术先进的平台技术和技术能力。我们聚焦于大模型和智能体的前沿算法研究和应用落地，致力于将先进的人工智能技术转化为实际的业务价值。 我们真诚邀请你加入我们，共同推动技术发展，创造行业价值。 1. 负责大模型在业务场景下关键能力的应用研发，包括但不限于知识和指令遵循、分析诊断、深度推理、反思和评估等能力的优化和落地。 2. 深入理解商家服务、智能销售和经营分析等业务场景，通过任务抽象，能够提炼出这些核心场景的系统性优化方向，提升B端应用的核心价值和体验，赋能行业升级。 3. 研发和优化智能体的function call、多智能体间协调，使其能够高效、准确地调用内部和外部工具，扩展智能体的应用边界。 4. 结合自主Agent的理念，探索和优化模型的能力边界，推动模型在复杂任务上的表现。 5. 与工程团队紧密合作，推动算法模型的工程化落地，包括模型压缩、加速、部署和监控等环节。 6. 跟踪业界前沿技术，结合业务需求进行预研和技术储备，保持团队的技术竞争力。
职位描述： 我们正在寻找一位热衷于大模型和Agent智能体技术创新的Agent研发工程师，通过业界前沿技术驱动电商交易业务增长，构建行业领先的智能交易决策体系。你将有机会参与从0到1的技术研发，探索大模型和Agent在实际业务中的应用。 您的职责： 1. 设计并搭建面向「AI」和「产技同学」的交易Agent平台，颠覆常规需求的交付流程，定义并规范AI时代的业务型Agent交付的新标准，打造行业领先的AI交易解决方案。 2. 深入研究面向AI智能体的前沿技术和先进思想，掌握业界大模型的特性，融会贯通，贴合业务诉求在交易Agent平台中实际落地，完善平台架构。并不断迭代优化，包括：Agent范式、Prompt生成&管理、Tools、Memory、RAG、大模型训练/微调、评测等各方面。 3. 作为Agent平台核心成员，具备优秀的AI技术素养，独当一面，能给业务方提供建设性建议和方案，包括：提示词设计，业务Agent实现方案，大模型选择方案等。 4. 保障Agent平台的稳定性和业务效果稳定性。
研究方向一：大模型智能体Agent技术研究 1.研究多轮长对话中的上下文管理技术，提高模型的连贯性和一致性，并探索基于用户特征和历史交互的定制对话策略，设计针对特定业务场景的微调和适应技术，提升模型在实际应用中的表现。 2.探索智能体调用和使用多个外部工具的方法，通过端到端后训练的方式增强其解决实际问题的能力。深度研究智能体的自我评估和学习机制，实现智能体的持续优化和能力提升。 3.优化LLM长链路的多轮工具调用能力，提升工具调用时的精确性及用户的实际交互体验。 4.设计并完善针对特定任务场景的Auto-Eval能力，指导模型迭代方向。 研究方向二：深度搜索（Deep Search/Research）技术研究 1.研究面向深度搜索场景的工具学习方法，基于SFT/RLHF后训练算法赋予搜索智能体高效的工具调用能力。 2.对齐行业最前沿的研究进展，深入研究不同工具调用环境下的大模型后训练能力边界，并基于实际业务场景进行迭代优化。 研究方向三：多模态基础模型能力建设 1.研究多模态数据（文本、语音、图像等）的语义融合与表示方法，提升模型对复杂内容的理解能力。 2.探索多模态模型在推理任务中的表现，研究如何通过工具调用增强模型的推理能力。 3.设计高效的多模态模型架构，优化模型的参数规模、训练效率和推理性能，提升基础模型的通用性与适应性。 研究方向四：大模型分布式后训练及推理加速技术 1.后训练方向：样本IO吞吐优化：使用多线程读取、数据管道流水线编排、数据压缩等技术，实现分布式环境下高性能的样本IO pipeline；计算图编译与高效执行：通过图编译、Kernel优化、算子融合等手段，提升计算图的执行效率；高性能并行训练：包括DP/TP/PP/SP/CP/EP等并行策略及其他训练超参数的自动寻优，故障自动恢复，弹性计算等；强化学习训练效率优化：通过rollout速度优化、多模型多阶段流水线编排、负载均衡等手段优化RL训练效率。 2.推理加速方向：负责实现和优化大模型在线推理系统，提升推理性能，包括不限于：架构设计、算子开发、通信优化等； 研究并实现各种模型推理加速手段如并行策略、混合精度、MOE、FP8等技术，加速模型推理速度； 设计和开发高效的离线、在线推理系统，优化SGLang、vLLM等推理框架，加速整体推理性能。
- 参与车载AI大模型和智能体产品建设，挖掘车载场景下用户需求，以用户体验驱动产品目标落地 - 负责大模型功能落地质量优化，推进数据标注、质量管理，模型效果优化 - 负责项目整体进程，协调周边相关团队，把控项目进展和风险 - 跟进行业进展，整合各类软、硬件资源，打造更有竞争力的智能化产品