美团闪购供给-大模型应用算法工程师
任职要求
1. 3年以上互联网研发经历，计算机科学相关专业； 2. 熟练掌握机器学习/深度学习的基本方法，有NLP相关的实践或研究经验，较强的论文阅读和复现的能力，具有一定的问题分析和解决能力，对解决具有挑战性问题能够充满热情； 3. 参与过文本分类、NER、图推理、文本生成、问答系统、同品识别、多模融合等的至少一个方向的落地应用及优化…
工作职责
1.参与美团闪购海量商品的商品理解，服务好商家建品、后台管品及用户体验； 2.负责探查大模型技术在美团闪购供给场景的应用，包括智能助手、内容判别/生成、AI Agent等； 3.有机会负责创新AI功能端到端的开发，需要全方位地思考问题，能够算法技术栈中承担不同角色，解决各个环节问题。
我们是淘宝闪购AI算法团队，工作涉及：外卖垂域大模型训练、Agent和AI产品创新、图片理解与生成、视频语音多模态等方面，围绕餐饮/零售/医药等业务，紧密支撑搜索、推荐、营销、用增、toB等多场景的AI需求。 具体职责包括但不限于： 1、参与大语言模型、AIGC(图片/视频)生成大模型、多模态模型工作，包括数据收集与处理、预训练和领域持续预训练、提示与指令设计、SFT与RL对齐、通用&应用能力的训练。 2、参与AI应用项目的研发工作，让AI能力落地取得收益，比如在智能搜索、导购体验、下单效率、AI点餐、图片素材、视频素材、创意生成等，支撑搜索/推荐/营销/用增/供给等多个场景。 3、具备一定的AI Infra能力，基于大模型底层训练平台和业界主流框架，来训练和调优模型。能够参与到底层模型工程团队的训练推理加速、资源优化等工作中，有CUDA算子优化经验者优先。 4、AI技术日新月异，对前沿技术敏感；能及时跟进并消化吸收前沿技术，将其转化为实际生产力，包括且不限于NLP、CV、搜推广营销等领域；有一定的学术能力，能跟业界、学界保持良好的交流。
1.负责美团到店业务的用户增长算法策略迭代，优化用户体验，提升点击率、转化率等核心指标。 2.应用大规模机器学习模型和系统，优化增长算法中各个算法模块。 3. 业务场景： （1）挖掘潜客人群与场景化人群，精准预测用户的出行意愿与意图识别，完善出价系数、竞得率建设，高效投放潜在人群。 （2）建设全渠道的PUSH能力，渠道包含包含PUSH、短信、企微等站外渠道，以及站内触达点位。 （3）建设多场景多供给类型预测能力，提高承接转化效率。 3.深入思考产品业务价值，参与制定及落实团队在技术、业务等多维度发展方向。 4.与其他团队密切合作，包括数据工程师、前后端工程师、产品经理等，实现高质量的产品和解决方案。
1. 负责商品理解相关算法的研发与落地，包括但不限于商品分类、属性抽取、语义理解、多模态表征等方向，支撑商品供给的组织、规划、C端表达等核心业务场景； 2. 结合平台海量商品数据，构建高质量的商品标签体系，提升商品信息的结构化与语义化表达能力； 3. 深入理解商品与用户行为之间的关联，基于用户决策行为，挖掘商品卖点优势信息，提升用户体验和业务指标； 4. 跟进前沿算法技术，探索大模型、多模态学习、预训练语言模型等在商品理解场景中的应用，并推动技术成果落地。
1. 供给定价算法 ◦ 负责本地外卖商品动态定价算法的设计与优化，结合运筹优化、因果推断、收益管理等方法，平衡供需关系与平台收益。 ◦ 基于用户行为、市场供需、竞争环境等数据，构建实时定价模型，提升定价精准度与用户体验。 ◦ 设计并迭代补贴策略（如货补、折扣），通过A/B测试验证效果，优化补贴效率。 2. 商品推荐算法 ◦ 研发个性化推荐系统，优化首页推荐、详情页推荐等场景的CTR/CVR指标，提升用户转化率。 ◦ 应用深度学习（如NN模型、LightGBM）、图神经网络等技术，挖掘用户兴趣与商品关联性。 ◦ 结合多模态技术（NLP/CV）优化商品标题、图文素材的匹配度，增强推荐理由的生成能力。 3. 选品机制算法 ◦ 构建选品核心能力（如销量/GMV预测、品类规划），通过机器学习与因果推断技术匹配场域调性需求。 ◦ 设计组合套餐（如“主食+饮品”）的选品策略，优化客单价与用户满意度。 ◦ 搭建公司级选品系统平台，推动算法在营销活动、超抢手、品团购等业务场景的落地。