美团Keeta技术-AI配送算法工程师
任职要求
1. 计算机、工业工程、自动化、应用数学、人工智能等相关专业； 2. 扎实的编程能力与AI Coding实践，熟练使用Python/Java等语言，熟悉常用数据结构和算法，熟练使用Hive、Spark等大数据工具；有利用AI辅助编程工具（Copilot、Cursor、Claude Code等）提升研发效率的实践经验； 3. 在机器学习或数据挖掘或运筹优化方向有深入理解与落地经验，在广告推荐、需求预估、强化学习等方面有实践经验；熟悉LLM应用开发（Prompt Engineering、RAG、Agent等）者优先； 4. AI归因能力：熟悉LLM Agent开发，有基于Agent构建数据分析、归因分析或自动化诊断系统的经验，能设计多Agent协作完成复杂归因任务； 5. AutoResearch能力：了解自动化…
工作职责
1. AutoResearch能力建设：推动算法研究流程的自动化与智能化，探索AutoResearch框架，实现从数据探索、特征发现、模型选型、超参搜索到实验评估的全链路自动化。利用LLM辅助文献调研与技术方案生成，加速从研究假设到实验验证的迭代周期，提升团队算法创新效率。探索AI Agent驱动的自动实验设计与模型迭代范式。 2. 实时调度优化：负责Keeta实时调度系统中关键模型的建模与优化，针对即时配送实时调度问题存在的多目标、不确定性、动态性与超大规模等特点，综合使用机器学习、深度学习、强化学习、因果推断等技术手段进行多场景联合优化，持续创新迭代，提升人单匹配决策质量。建模方向包括但不限于：ETA预估、路径规划和时间预估、供需预测、转化预估、订单难度及接单意愿刻画、定价、骑手活动优化等。 3. 归因体系建设：基于LLM Agent构建智能归因分析框架，设计多Agent协作的归因分析链路，通过Agent自主调度数据查询、指标拆解、异常定位、因子分析等环节，实现对业务指标变化的自动化归因与根因定位。将LLM的分析推理能力与业务数据体系深度结合，驱动业务决策从"经验判断"升级为"AI智能归因"。 4. AI Coding与工程效能提升：运用AI Coding工具（如Copilot、Cursor、Claude Code等）提升算法工程化效率，推动团队AI辅助编程实践。将大模型能力融入特征工程、模型训练、评测分析等日常开发流程，建设智能化算法开发工具链，实现代码生成、自动化测试、模型调试等环节的AI提效。探索并落地LLM辅助的算法代码审查与优化建议系统。 5. 颠覆式创新：针对即时配送领域特点，颠覆创新传统供应链物流技术体系，探索即时配送履约新模式，结合AI前沿技术（如多智能体协同、世界模型等）提升降本增效天花板
1、负责 Keeta 新用户与流失用户的增长策略建模，参与用户分层、召回与转化路径优化。基于用户行为数据构建人群画像，设计新客获取、流失召回、复购提升等投放策略。 2、参与构建用户触达策略模型，包括 Push、短信、邮件等触达方式。优化基于用户生命周期与行为特征，探索个性化触达时机、频率与内容策略。 3、参与构建增长场景下的 AI Agent 系统，基于 LLM 与 Agent 技术实现投放策略的自动化决策与执行。设计 Agent 的感知-决策-执行闭环，利用 ReAct、CoT 等范式拆解复杂投放目标，实现从诊断、策略制定到出价调优的全链路自动化。 4、参与 AIGC 在增长场景的应用落地，推动素材生产自动化与智能化。探索将素材生成、创意 A/B 测试、人群定向等原子能力封装为 Agent 可调用的标准化工具，提升复杂任务的自动化编排效率。 5、与跨部门团队紧密合作，确保算法与业务需求紧密结合，有效推动用户增长目标的达成。
1. 负责Keeta创新项目的全栈设计与开发，涵盖端到端交付。 2. 参与AI模型与业务系统的对接，优化系统性能与用户体验。 3. 主导技术方案设计，推动技术架构演进与工程效能提升。 4. 协同产品、算法与测试团队，确保项目高质量交付。
1. 负责境外业务核心营销策略的研发工作，支撑境外业务快速发展； 2. 深入理解境外业务，结合境外业务特点定制合理的策略和算法方案，借助算法的能力驱动业务增长；同时探索大模型/生成式 AI 在营销策略生成、用户洞察等场景的应用，以 AI 协作方式提升策略研发效率； 3. 具体研究方向包括智能补贴、智能触达、智能选品、最优资源分配等。
1. 负责供给算法方向的核心建模与业务指标提升，方向涵盖销售策略、多模态商品理解、选品推荐、商家 Agent 等，根据候选人背景匹配具体方向，推动算法方案从实验到规模化落地； 2. 建设 AutoResearch 能力，将特征工程、样本迭代、模型选型、消融实验等算法研发环节由 AI 驱动闭环迭代，提升算法研发效率； 3. 推动 SDLC（软件开发生命周期）在团队的深度落地，在核心业务场景产出最佳实践，实现项目全链路闭环； 4. 基于 Agent 建设知识沉淀与 AutoEval 能力，包括 LLM 样本挖掘、数据合成、智能标注、User Simulation、归因 Agent 等，构建算法迭代的自动化评估体系； 5. 探索 AI Native 业务形态落地，包括基于 AutoResearch 实现端到端商家商品理解能力，以及将商家 AI 助手构建为具备任务规划、记忆机制、策略模拟的真实可用 Agent 系统，提升商家经营收入。