美团点评技术-大模型应用算法工程师
任职要求
1. 硕士及以上学历,计算机科学、人工智能、自然语言处理或相关专业; 2. 熟练掌握至少一种深度学习框架,如PyTorch、TensorFlow等,熟悉Python/Java编程语言,良好的编码习惯和工程能力; 3. 具有生成式模型训练及开发经验,如大模型数据处理、模型微调、预训练、强化学习、AI Agent等。 4. 有良好的沟通协作能力,能够在团队中积极主动…
工作职责
1. 负责基于大语言模型的智能交互产品的搭建及在点评场景的应用落地,包括智能助理、内容生成、人格化机器人、AI Search等; 2. 负责大型语言模型的微调、偏好对齐、知识增强等技术探索,跟踪国内外前沿的大模型技术动态,持续改进和优化现有模型; 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,能够在机器学习技术栈中承担不同角色,解决各个环节问题;
1. 团队建设与管理 - 组建并管理点评 AI Builder 团队; - 明确团队能力模型,建立 Agent 工程、AI 工具集成、Prompt 工程、AI 评测等方向的梯队建设; - 推动团队文化建设,打造务实、自驱、开放、追求卓越的工程师团队。 2. 面向业务的 Agent 工具建设 - 深入了解点评各业务团队的工作流程和痛点; - 设计和建设面向业务团队的通用 Agent 交互平台,支持低代码/无代码创建、调试、部署 AI Agent,让非技术同学也能轻松使用 AI 能力; - 建设各类AI agent应用层能力。 3. 业务工作流程识别与 AI 提效 - 深度与业务、产品、运营高频共创,系统性梳理各团队的核心工作流程; - 识别适合 AI 介入的环节,评估提效潜力和实施路径; - 结合公司内部 AI 工具和外部 AI 能力,设计并落地提效方案; - 推动“人用工具 → 工具找人”的主动服务型产品能力转变。 4. Agentic 架构与技术体系建设 - 设计、实现和维护先进的 Agentic System,结合 Agentic RAG、Cognitive Architecture、Agentic Workflow 等前沿技术; - 解决在多模态模型、多 Agent 协作场景下的可扩展性和可靠性问题; - 完成存量 Tools/系统的低成本集成,支持业务团队自建 Skill 和 workflow; - 结合 CodeAgent 和 Spec Coding 模式,降低 AI 应用的构建门槛。 5. 数据与知识体系建设 - 保证底层数据口径统一,面向 Agent 友好; - 提供方便的企业数据集成和查询能力; - 低成本完成知识库的生产、管理、消费流程,保证知识无过时、冲突、冗余; - 完善基于测评驱动的 AI 应用生产流程,快速评估 LLM 和 Agent 效果。 6. 模型能力与 AI 生态建设 - 周期性进行 SOTA 模型评测,根据场景选择高性价比模型; - 协同训练师团队完成模型所需的训练数据生产、标注任务; - 跟踪内外部 AI 工具生态,评估并引入适合点评场景的 AI 能力。
负责公司外部投放渠道的全链路运营与产品能力建设,统筹用户获取到用户留存的完整生命周期管理,驱动规模化增长与平台用户活跃 外投渠道与产品运营 1、 动态调优渠道结构,建立量化评估体系,对ROI及获客成本负责。 2、推动投放工具自动化与智能化(归因、RTA等),优化承接页转化效能。 3、 建立供应商考核机制,拓展新兴流量渠道,完善渠道组合矩阵。 用户承接与全周期运营 1、规划从点击到转化的全流程承接策略,优化新客冷启动路径。 2、聚焦注册、登录、支付等关键节点,提升激活率与转化率。 3、构建用户洞察机制与用户成长体系,设计用户召回与防流失机制,提升用户留存与LTV;
1.负责受理美团各业务的投诉处理,为用户提供及时有效的解决方案; 2.需要跨部门沟通协作,坚持以客户为中心高效解决客户投诉,提升客户满意度; 3.需通过分析客诉,从客户角度出发,针对业务流程及工作流程提出合理化建议; 4.及时上报可疑事件及紧急问题。
1. 管理健康度方面,在综合、复杂和交错的本地生活业务形态下,根据业务目标,以战略视角助力业务实现增长、数字化转型、优化成本、提升运营效率、识别和降低风险等,评价管理成熟度,综合运用AI工具,提供有针对性的诊断建议和管理解决方案,并实施落地。方式包括但不限于市场和行业对标、业财数据和流程分析、管理监控指标设计、管理水平诊断、管理优化方案制定,与管理层达成一致后落地。重点关注: a. 业务领域,包括但不限于销售和渠道拓展、供应链和物流、市场营销和用户、研发效率和质量; b. 管理领域,包括但不限于岗位职责分工、财务管理、合规管理、流程标准化等方面。 2. 内部控制方面,搭建业务内部控制体系(含可量化的内控评价指标),方式包括但不限于制度、流程、权限、事件管理等。 3. 风险治理方面,评估全面风险,识别重大风险和量化影响,深度挖掘根因并落地治理措施,利用AI、数字化策略和产品建立持续的KRI/KCI监控和评价指标,并与相关方建立指标的持续处理和运营机制。