美团
校招【北斗】大模型算法工程师 SFT/RL/Agent方向
北京 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 【岗位职责】
- 必要条件：
- 2027届本科及以上学历，计算机/人工智能/统计学等相关专业
- 具备扎实的机器学习与深度学习理论基础
- 加分项：
- 在 WWW/KDD/SIGIR/NeurIPS/ICML/ICLR 等顶会有较为丰富的论文成果
- ACM/ICPC、Kaggle 等竞赛获奖经历
- 具备Agent 系统构建经验：独立搭建过 Agent 或多 Agent 系统，对 Harness 设计、工具调用协议、上下文工程及 Agent 评测方法论（benchmark 构建、轨迹级评估、自动化 judge、失败模式分析）有系统理解与实践
- 自动化研究系统经验：AI for Science / AI Scientist 类工作、自动化假设生成与实验设计、Agent 长期记忆与知识累积机制、自动化数据分析系统等方向的研究或工程实践
- 因果推断背景：系统学习或研究过 uplift modeling、CATE 估计、双重机器学习与双重稳健估计、IPW / 离线策略评估、实验设计与因果识别策略；在 LLM 与因果推断交叉方向（LLM 辅助因果发现、反事实推理、causal representation learning）有探索经历者优先
- 搜索、推荐、广告算法背景：多目标排序、竞价与机制设计、在线学习与探索利用权衡、大规模稀疏模型的学习、研究或工业实践
- 【为什么是我们】
- 1.研究环境稀缺：多数 Agent 与后训练研究的评价止于静态 benchmark 或仿真环境。本岗位同时具备硬约束、真实资金代价与小时级无偏反馈，策略优劣由线上实验判定——该量级的实时决策反馈数据与实验能力在学术环境中不可得，在工业界亦不多见。
- 2.业务杠杆直接：为年度百亿规模的直接资金投放，分配效率每提升一个百分点即对应可计量的绝对收益。
- 3.方法论可外推：带全局约束的序贯资源分配是一类通用问题结构，与流量分配、库存与定价、算力调度同构。本场景中验证有效的奖励设计、约束优化与 Agent 决策范式可迁移至上述问题，成果不局限于单一业务。
- 4.能力链路完整：从因果识别、奖励设计、RL 训练到线上部署与实验归因由同一人贯穿，而非承担分工切片中的单一环节；
- 5.组织能力及团队氛围：鼓励大胆创新、包容试错探索，为年轻同学创造最好的实战舞台；团队中有多名北斗人才密度高；完善的老带新机制；公平公开、简单清晰的激励及评价体系。
岗位描述
【岗位职责】
该岗位将大模型后训练、强化学习与 Agent 技术应用于在线约束资源分配决策系统。调度规模化营销预算，覆盖数亿用户，具备小时级真实反馈闭环。系统求解的核心问题是带全局预算约束的序贯决策——在预算硬约束下确定补贴的对象、额度、形态与时机，使增量转化、长期用户价值与投入产出比等全局目标最优
【你将参与】
- 1. 决策智能体（Agent）：将当前由人工策略规则承担的决策生成环节智能体化。构建面向营销决策的 Agent 系统，覆盖目标解析与任务分解、数据与模型工具链调用、候选策略生成、实验设计与结果归因、闭环迭代。主要技术挑战：长程规划与上下文管理、工具调用的鲁棒性与幂等性，以及高风险场景下的可控性、可解释性与安全边界——Agent 输出直接对应真实资金支出
- 2. 模型后训练与强化学习：面向业务语料与决策轨迹的后训练全链路：SFT、拒绝采样、偏好对齐（DPO / GRPO / PPO）、RLVR 与可验证奖励设计
- 3. LLM 驱动的因果推断与智能决策：本方向直接承接增量目标与全局耦合：前者要求可信的反事实估计，后者要求在预算约束下完成跨单元的边际效率对齐。团队已有成熟的 uplift、LTV、在线学习与实时决策底座支撑线上业务，本方向探索大模型与该体系的耦合
- 4. AutoResearch：策略研究的自动化闭环。营销策略迭代在方法论上等价于科学研究过程：观察 → 假设 → 实验设计 → 执行 → 归因 → 认知修正。该循环当前由人工驱动，速率上限即研究者带宽
- 5. Agent 基础设施与评测：噪声反馈意味着线上实验代价高、信号慢，前四个方向的迭代都依赖可信的离线评估作为前置筛选，本方向提供该前提。负责 Harness 设计、离线评测集与仿真环境构建、决策质量自动化评估体系、训练与推理链路、实验平台。"如何度量决策类 Agent 的能力提升"本身是开放研究问题，涉及轨迹级评测、rubric 与 LLM-as-judge 的可信度校准、失败模式归因、评测集抗过拟合设计
【任职要求】
【岗位职责】
必要条件：
2027届本科及以上学历，计算机/人工智能/统计学等相关专业
具备扎实的机器学习与深度学习理论基础
加分项：
在 WWW/KDD/SIGIR/NeurIPS/ICML/ICLR 等顶会有较为丰富的论文成果
ACM/ICPC、Kaggle 等竞赛获奖经历
具备Agent 系统构建经验：独立搭建过 Agent 或多 Agent 系统，对 Harness 设计、工具调用协议、上下文工程及 Agent 评测方法论（benchmark 构建、轨迹级评估、自动化 judge、失败模式分析）有系统理解与实践
自动化研究系统经验：AI for Science / AI Scientist 类工作、自动化假设生成与实验设计、Agent 长期记忆与知识累积机制、自动化数据分析系统等方向的研究或工程实践
因果推断背景：系统学习或研究过 uplift modeling、CATE 估计、双重机器学习与双重稳健估计、IPW / 离线策略评估、实验设计与因果识别策略；在 LLM 与因果推断交叉方向（LLM 辅助因果发现、反事实推理、causal representation learning）有探索经历者优先
搜索、推荐、广告算法背景：多目标排序、竞价与机制设计、在线学习与探索利用权衡、大规模稀疏模型的学习、研究或工业实践
【为什么是我们】
- 1.研究环境稀缺：多数 Agent 与后训练研究的评价止于静态 benchmark 或仿真环境。本岗位同时具备硬约束、真实资金代价与小时级无偏反馈，策略优劣由线上实验判定——该量级的实时决策反馈数据与实验能力在学术环境中不可得，在工业界亦不多见。
- 2.业务杠杆直接：为年度百亿规模的直接资金投放，分配效率每提升一个百分点即对应可计量的绝对收益。
- 3.方法论可外推：带全局约束的序贯资源分配是一类通用问题结构，与流量分配、库存与定价、算力调度同构。本场景中验证有效的奖励设计、约束优化与 Agent 决策范式可迁移至上述问题，成果不局限于单一业务。
- 4.能力链路完整：从因果识别、奖励设计、RL 训练到线上部署与实验归因由同一人贯穿，而非承担分工切片中的单一环节；
- 5.组织能力及团队氛围：鼓励大胆创新、包容试错探索，为年轻同学创造最好的实战舞台；团队中有多名北斗人才密度高；完善的老带新机制；公平公开、简单清晰的激励及评价体系。
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。