美团【北斗】基座大模型算法研究员（预训练/原生多模态/智能体系统）

任职要求

预训练
1.熟悉NLP、LLM、MLsys、Optimization、Operations research、Control、RL、应用数学等领域，对其中一个或多个方向有深入的研究经历，且有相关实际项目经验；
2.熟悉Python、C++等至少一门编程语言，熟悉Linux环境；
3.熟悉Pytorch、Megatron、DeepSpeed 等开源训练框架；
4.对大模型原理和技术探索有热情和信心，敢于挑战不确定性强的研究问题。
加分项：
1.发表过相关方向高水平论文（如NeurIPS, ICLR, ICML等）；
2.有实际的大模型预训练经验；
3.有影响力的开源项目中做出过核心贡献。

原生多模态
1.多模态大模型、强化学习或具身智能等方向有深入的理解以及扎实的研究/项目经历；
2.熟悉主流的多模态模型、视频理解模型或具身智能框架、RL算法。对两者交叉领域有深入思考或实践者优先；
3.具备强烈的好奇心、出色的创新思维、卓越的问题解决能力以及引领技术突破的雄心

智能体
1.对RL、Agentic Coding、DeepResearch其中一个或多个方向…

工作职责

预训练
探索下一代大模型预训练范式，从模型结构、训练策略、数据策略、算力利用率等角度切入，打造具有更强能力和更高潜力的基座模型。
1.设计更高效的模型结构，提高给定数据量、计算量、参数量、序列长度等约束下的模型能力，如长序列能力、记忆能力、推理能力等；
2.探索更科学的训练策略，对影响training dynamic的关键变量（如学习率、batchsize、初始化等）形成更科学的认知，探索更适合大模型的optimizer等；
3.研究模型结构和数据的耦合关系；探索预训练与上下游环节的联合优化；改进分阶段训练范式；
4.结合MLsys解决大规模训练和推理中遇到的卡点问题，实现算法和工程联合设计。

原生多模态
1.负责面向真实世界数据（尤其是大规模视频序列、图文交错数据等）的原生多模态大模型的架构设计与预训练技术探索。攻坚多模态信息（视觉、语言、音频、触觉等）的深度融合、统一表征与跨模态生成。借助更大规模自监督学习范式，驱动模型学习多模态序列分布，致力于让模型从海量数据中学习世界运行的规律、物理交互知识与通用技能；
2.设计并优化适用于原生多模态架构的表征构建与学习方案，以增强模型对多模态Token的深层理解、采样与复杂推理能力。结合SFT/RL等后训练探索，激发模型采样多模token，解决物理世界问题能力；
3.负责将原生多模态大模型学到的丰富先验知识高效迁移并赋能具身智能体。主导或参与强化学习（RL）、模仿学习（IL）、规划与控制算法的设计与优化，显著提升智能体在模拟及真实机器人上的学习效率、任务成功率与自主决策能力；
4.负责设计并与工程团队紧密协作搭建高逼真度、可扩展的具身智能模拟环境，产出多样化、高质量的合成交互数据，为强化学习算法的训练、测试以及Sim-to-Real研究提供坚实的数据与环境基础。

智能体系统
1.研发端到端训练、能够自主处理问题、具备完整工具使用能力的智能体（Agent）系统，在Agentic Coding、DeepResearch等各类端到端任务上取得突破。
2.探索能够自主与环境交互，自适应学习并持续提升的智能体（Agent）系统，提升大模型解决现实问题的能力。