美团大模型应用-数据开发（实习生）

1. 参与蚂蚁灵矽Agent平台的持续建设，优化平台用户体验，降低用户使用门槛； 2. 通过建设Agent Infra，完善并优化，MCP/工具、Function Call、RAG、workflow等基础组件能力，构建平台护城河； 3. 与业务团队协同，实现LLM技术在实际场景和需求中的应用与落地，实现平台10-100规模化的突破； 4. 探索RL、Multi-Agent、长程异步任务等核心能力，锁定场景，追平业界先进效果； 5. 熟悉最新主流的评测标准和benchmark，根据业界发展趋势，定义评测集，提升平台通用的Agent效果。

1. 参与蚂蚁灵矽Agent平台的持续建设，优化平台用户体验，降低用户使用门槛； 2. 通过建设Agent Infra，完善并优化，MCP/工具、Function Call、RAG、workflow等基础组件能力，构建平台护城河； 3. 与业务团队协同，实现LLM技术在实际场景和需求中的应用与落地，实现平台10-100规模化的突破； 4. 探索RL、Multi-Agent、长程异步任务等核心能力，锁定场景，追平业界先进效果； 5. 熟悉最新主流的评测标准和benchmark，根据业界发展趋势，定义评测集，提升平台通用的Agent效果。

-数据报表生成与校验：协助团队基于大模型工具生成业务报表（如运维数据报表、用户行为分析报表等） -重点执行数据核对与校验：包括交叉验证、逻辑一致性检查、异常值检测、数据源溯源等），确保报表数据的准确性、完整性和可靠性；对大模型输出的报表数据进行人工复核，识别潜在错误（如数据偏差、计算错误、维度缺失等），并优化提示词（Prompt）或输入逻辑以提升模型输出质量 -专项数据分析与产品优化：基于生成的报表数据，开展专项分析（如运维效率分析、用户需求洞察、产品功能使用效果评估等），运用统计方法或基础模型（如聚类、趋势分析）挖掘数据价值，输出可落地的分析结论；协助将分析结果转化为产品优化建议（如功能迭代方向、流程改进点），参与团队内部讨论并推动落地，支持内部产品体验提升与团队管理效率优化 -大模型工具协同与优化：协助团队探索大模型在数据报表自动化场景的应用（如结合RAG技术提升数据准确性、通过Prompt工程优化报表生成逻辑），参与智能体框架（如LangChain/LangGraph）的简单配置与测试；跟踪大模型在数据处理领域的前沿技术（如自动化校验算法、低代码报表生成工具），分享实践经验并提出改进建议

随着大模型与智能体系统的发展，数据正从“静态燃料”演变为“动态认知基础设施”。传统数据处理范式难以满足Agent工作流、强化学习、RAG等新场景对语义理解、任务适配与反馈闭环的需求。一系列重要问题亟需重新思考：什么是面向未来 AI 系统的“高质量数据”？如何构建可解释、可组合、可迭代的数据智能框架？ 我们隶属于通义实验室，长期聚焦 AI 基础设施与数据智能方向。团队已在ICML、NeurIPS、ICLR、SIGMOD、KDD、WWW等国际顶会发表论文数十篇，多次获 Spotlight 与 Best Paper，主导开源 DataJuicer、AgentScope、Trinity-RFT 等框架。相关成果广泛应用于学术界与工业界，支撑阿里云、通义大模型、百炼平台等内外部业务。 现诚邀具备扎实科研能力与工程素养的候选人加入，你将参与： 1. 探索如何让数据处理系统“听懂”任务语义，自动生成可验证、可复用、可优化的数据流水线； 2. 研究高性能方法，量化建模文本、图像、轨迹等数据对下游任务的实际价值，构建数据健康评估体系； 3. 面向智能体经验管理、RAG 上下文筛选、多模态日志分析等真实场景，设计新型数据原语与评估基准； 4. 建设开源框架（DataJuicer、AgentScope、Trinity-RFT），发表高水平论文或技术成果，推动社区对“数据智能”的前沿探索。