美团
实习【LongCat实习】具身算法工程前沿研究
北京/上海 · 实习 · 博士
长期有效
任职要求
- 1. 在计算机科学或相关领域获得学士、硕士或博士学位
- 2. 具备扎实的编程能力、出色的自驱力、快速学习能力和解决问题的能力
- 3. 对人工智能、计算机图形学、机器人等领域有相关经验
- 4. 对具身智能和仿真技术抱有浓厚兴趣和热情，在相关领域有深入研究
- 5. 在人工智能、计算机图形学、机器人等领域的顶级会议或期刊上有论文发表者优先
岗位描述
【岗位职责】
在 LongCat 基座大模型团队，参与探索具身智能基础模型的架构和范式，从系统架构、数据策略、模型结构、训练策略等角度切入，参与算法研究、系统工程和数据工程，打造具有更强能力和更高潜力的基座模型。包括：
- 1. 多源数据的合成和处理，包括：egocentric video 数据、仿真数据、UMI 采集数据、真机遥操作数据等
- 2. 具身智能系统的架构设计，Agent 系统、大小脑和 Monitor 等多层次结构
- 3. 模型泛化性探索：无需额外训练实现跨本体多任务；基于少量演示数据作为上下文，增强模型能力；基于自动探索，在线学习新技能。
- 4. 模型全流程，预训练、mid train、SFT、强化学习、部署和评测等
同时参与具身智能方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进：
- 1. 具身智能模型、数据、训练方法和系统等相关的设计
- 2. 仿真环境内的轨迹自动化生成方法（数据引擎/合成数据）
- 3. egocentric video 数据的有效使用
- 4. 基于多模态大模型的泛化具身智能 Agent 系统研究
- 5. 模型泛化性研究和主动探索研究
- 6. 其他你坚信路线正确的具身智能前沿方向
【任职要求】
- 1. 在计算机科学或相关领域获得学士、硕士或博士学位
- 2. 具备扎实的编程能力、出色的自驱力、快速学习能力和解决问题的能力
- 3. 对人工智能、计算机图形学、机器人等领域有相关经验
- 4. 对具身智能和仿真技术抱有浓厚兴趣和热情，在相关领域有深入研究
- 5. 在人工智能、计算机图形学、机器人等领域的顶级会议或期刊上有论文发表者优先
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。