美团商家大模型应用和智能体技术
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。精通至少一种深度学习框架（如TensorFlow, PyTorch）。 3. 在以下至少一个技术领域有深入研究和丰富的实践经验： - 销售和商家领域大模型、智能数据分析与诊断 - 复杂指令理解、逻辑和数学推理、结合知识约束的推理、DPO、强化学习等 - 大模型问答系统，RAG、Function Call等 - Agent模型、多智能体系统…
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. 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。
1. 探索大模型与智能体技术在阿里国际站广告业务的落地应用，如在广告投放、诊断归因、创意生成、数据洞察等场景下的适配方案，用创新的思路和技术方案解决业务带来的挑战，驱动业务增长与商家体验提升。 2. 研究大模型相关的训练、优化和应用技术，包括指令微调、RLHF、工具学习等，跟踪相关领域前沿进展，进行各类方案的技术选型和工程实现，并与与产品、UI/UX、测试及运维团队紧密协作，确保项目高质量交付。 3. 设计并开发高可用、高并发的分布式服务，构建微服务架构（如Spring Cloud/Dubbo），优化服务API性能与线上稳定性，负责数据库、缓存、消息队列等组件的技术选型与性能调优。
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. 负责基于大模型在业务场景下关键能力的应用研发，包括基于大模型的BI数据、商家助手、多智能体等； 2. 深入理解本地生活服务业务场景，研究并优化大模型推理、规划、代码等能力，推动相关技术在实际业务中的应用； 3. 研发和优化智能体、多智能协作，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. 跟进人工智能领域的新技术，探索前沿大模型技术方案和相关技术的验证，并撰写相论文和专利。
研究方向一：基于大模型的智能销售助手研究 本课题致力于将大模型技术和智能外呼任务相结合，优化美团智能外呼系统，增强其在复杂对话环境下的意图理解与灵活应对能力。力图实现更自然的语音交互、更精准的营销策略，以及更灵活的应答处理等。 1.转化信号奖励建模：依托业务场景多轮对话的真实转化信号，构建商家画像、对话文本特征信号以及交互环境特征，预估对话的转化率，进而通过强化学习（DPO/GRPO/RLHF）引导模型营销话术生成。 2.销售领域垂类大模型：通过收集多场景销售数据以及美团广告产品知识，通过continue-Pretraining构建垂类通用销售模型基座，支持多业务场景快速支持应用。 3.Multi-Agent交互式外呼系统：通过构建任务规划、流程监督、对话营销等多个agent交互逻辑，在较低响应耗时条件下，实现最佳的电话沟通效果。 研究方向二：基于大模型的智能IM的研究与应用 本课题致力于将大模型技术和商家端的各项客服任务相结合，通过大模型能力赋能美团商家与用户交互过程，降低商家与客户交互的成本，提升商户的成单数量。 1.基于多智能体的商家助手设计：设计基于大模型的多智能体交互方案，让模型在与用户交互过程中，能给有效识别用户意图，完成多轮交互。 2.工具调用与任务分解：设计多工具调用框架，使商家助手能够动态组合调用业务API、业务数据库等工具，完成多种复杂任务。 研究方向三：基于大模型的广告创意生产 本课题借助大模型的音、视、图、文等多模态理解、思考与生成能力，结合用户画像、商户/品特征、热点趋势等信息，探索实现低成本、个性化的商用级创意内容（如图文笔记、长视频）的生成技术。 1.多模态深度思考：设计与实现多模态深度思考方案，优化模型对多源异构信息进行抽取筛选、加工整合、衍生创作的能力，提升创意内容生成的质量与多样性。 2.开放问题的强化学习：针对无标准答案的开放问题（如笔记生成、剧本创作、素材选取等），设计与实现适配的奖励机制与策略，通过强化学习提升模型能力。 3.创意生产Agent：参考人工生产中的不同角色分工合作流程，设计与实现创意生产的多agent协作框架，并通过线上效果反馈机制，闭环提升生产的效率与质量。
阿里国际内部集大模型研究及智能化前沿产品研发于一体的AI部门；自研面向跨境商贸增强的多语言大模型-Marco和多模态大模型-Ovis，依托全球化的AI基础设施和算力资源，帮助AliExpress、Lazada、阿里巴巴国际站、Trendyol、Daraz 等平台全面革新跨境电商全链路的经营体验和商业效率；目前已服务超50万商家，平均日调用量已突破10亿次，覆盖营销、客户服务、商品发布、设计、合规等60+应用场景；正在基于自研的大模型与工程技术，打造新一代的智能体（Agent）和智能引擎（Deep Research）产品，持续致力于让全球商业没有语言障碍，用智能帮助跨境贸易更加简单。 该职位负责构建高性能、可扩展的搜索引擎工程架构，优化搜索效果，支持多模态搜索能力，打造行业领先的搜索产品； 工作职责 1、负责搜索引擎相关系统研发，打造高性能、低成本、多场景的搜索产品 2、设计并实现搜索系统分布式架构，确保系统的高可用性、高性能和可扩展性 3、构建支持多模态（文本、图像、视频）检索的搜索系统架构，推动多模态搜索能力落地 4、负责搜索服务端的开发工作，优化索引构建、查询处理等核心环节 5、与算法团队紧密协作，将搜索算法能力高效集成到工程系统中，实现搜索效果持续优化 6、构建搜索效果评估体系，设计A/B测试框架，通过数据驱动方式持续提升搜索质量 7、保障搜索系统的稳定性与性能，解决高并发、大规模数据处理等工程挑战，支撑复杂业务场景