美团【北斗】大模型算法工程师（国际化业务）
任职要求
1.熟悉Transformer架构及主流大语言模型，对大模型预训练、微调、部署等有一定了解。 2.在以下至少一个技术方向有深入研究或项目经验者优先：强化学习、多模态大模型、对话系统、可控内容生成、少样本学习、模型压缩与加速。 具备优秀的分析与解决问题能力、良好的沟通协作能力和快速学习能力，对探索AI前沿技术及其在复杂业务场景中的应用有强烈热情。 岗位亮点： 1.前沿技术挑战：深度参与多模态大模型、强化学习、高效后训练、少样本学习、可控生成等AI最前沿技术在复杂跨文化场景下的探索与实践。 2.核心业务赋能：直接服务于公司高速发展的全球化外卖业务（已在香港、沙特取得显著成绩，正积极拓展巴西等新兴市场），研究成果将直接服务全球用户、商家及骑手。 3.顶级导师指导：由经验丰富的资深AI科学家和工程师组成导师团队，提供专业指导和广阔的成长空间，助力您在科研与工程能力上的全面提升。 4.国际化视野：解决具有全球化背景的AI难题，培养国际化视野，积累在复杂系统设计和前沿算法应用方面的宝贵经验。
工作职责
1.参与美团全球化业务中智能客服、智能审核、智能外呼等核心场景的大模型应用研发与落地工作。 2.针对跨文化、多语言、少样本等复杂业务挑战，研究并应用强化学习、多模态学习、高效后训练等前沿技术，对大模型进行深度优化与能力增强，提升模型在实际业务中的表现。 3.主要研究方向包括但不限于： a. 任务型对话技术攻关： 研究强化学习与高效后训练方法在多模态任务型对话中的应用，优化全球用户的复杂服务请求处理与任务达成效果。 b. 少样本多模态理解与推理： 探索在海外数据稀疏环境下，通过少样本学习等手段构建强大的多模态理解与推理能力，支持高效合规审核及风险识别。 c. 可控对话生成与知识融合： 面向智能外呼等场景，研究多语言环境下可控对话生成及知识融合技术，提升沟通的自然度、准确性和业务转化率，并追踪前沿技术动态，推动创新落地。
【课题说明】 外卖业务在国际市场上展现出前所未有的增长潜力，全球化运营对智能化提出更高要求。本课题致力于运用大模型技术，结合后训练、多模态、强化学习等手段，打造覆盖智能客服、智能审核、智能外呼的下一代全球服务系统，核心在于高效完成跨文化背景下的复杂任务。 【建议研究方向】 1.任务型对话的强化学习与后训练：研究如何结合强化学习激励与高效后训练方法，使大模型能精准理解并高效完成全球用户、商家及骑手提出的多模态复杂服务任务。 2.少样本多模态理解与推理：探索在数据相对稀疏的海外市场中，如何构建强大的多模态大模型，以支持对用户、骑手、商家上传图文的高效合规审核与风险识别。 3.外呼场景下的可控对话：研究通过可控生成技术并有效融入领域知识，提升大模型在招聘、商家/骑手沟通等多语言智能外呼任务中对话的自然度、信息准确性与目标达成率。
1.深入参与行业内主流大模型落地场景的技术迭代，包括：生成式检索/推荐、RAG、推理优化等，持续提高模型的推理性能与效果； 2.跟进Deep Research，Agent RL等前沿技术，并在点评搜推以及大模型应用场景中探索落地，持续改善用户体验。
1. 端到端自动驾驶建模：参与、设计及实现端到端的自动驾驶建模方法，搭建从传感器数据到行为决策的端到端模型。 2. 多模态大模型在自动驾驶场景中的适配和优化：如：大模型指令微调和策略迭代、开放场景下的目标识别技术等，以适应不同的自驾场景，并提高模型的鲁棒性和泛化能力。 3. 基于生成模型的离线感知能力建设，研发基于扩散模型的场景生成技术和仿真技术。开发离线生成-真实数据闭环系统。
以大模型对话技术为核心，探索前沿技术问题，研究方向主要为垂域模型的研究与构建。目标是为用户提供专属的玩乐变美便捷生活小助手，实现“技术驱动业务范式”的升级转变，最终助力商业价值全面提升。 研究方向一：Agent能力增强 基于Agent的用户助理，研究提升Agent自主规划能力，并通过Agent构建和基于后训练的优化，实现数字助理的能力复刻和增强。 研究方向二：强化学习算法研究 参与大语言模型后训练阶段的强化学习算法研究，包括基于AI和环境反馈的强化学习（RLXF）算法。同时探索奖励模型与反馈机制，研究可泛化的细粒度过程监督和奖励建模，探索基于细粒度反馈的强化学习算法。 研究方向三：垂域模型定制化构建 领域认知智能突破，探索小样本场景自演进架构设计、可信推理机制构建等方向，同时建立面向AGI的模型评价体系新范式。 研究方向四：精准上下文理解与长程依赖建模 研究如何高效、准确地捕获和利用复杂的项目级上下文信息（如整个代码库、依赖关系、API文档、Issue跟踪等），探索能够处理超长代码序列、理解跨文件依赖和项目架构的先进模型结构与表征方法，以支持更精准、更全局的代码智能，从而提升业务研发在存量代码中迭代的效率。