【北斗】具身智能大模型算法工程师

北京/深圳 · 校招 · 2027 届 · 硕士

长期有效

前往官方投递页 →

任职要求

1.硕士及以上学历，计算机、自动化、机器人等相关专业，对人工智能、计算机图形学或机器人学有深入的理论理解
2.精通 Python 及 PyTorch 等主流深度学习框架，具备扎实的算法实现与工程落地能力；熟悉 C++ 者优先
3.对具身智能方向有浓厚兴趣与出色的自驱力，能主动在复杂真实场景中挖掘技术价值，而非被动执行
4.熟练运用 AI 辅助工具（如代码生成、数据分析、模型调优等）进行算法开发与优化，并能评估其在实际场景中的有效性与局限性
加分项：
1.在 CVPR、ICCV、ICRA、IROS、NeurIPS 等顶级会议或期刊发表过高质量论文
2.有类人形机器人操作、灵巧手抓取、全身运动控制等方向的研究经验
【岗位吸引力】
1.美团级场景，数据壁垒背靠美团数亿用户、数千万商户的真实履约网络，你将拥有业界最丰富、最多样的真实物理交互数据——这是任何高校实验室和初创公司都无法复制的数据资产。
2.前沿技术，学术产出团队与清华、北大、港科大等顶尖高校保持深度合作，提供充足算力与真机资源，鼓励并支持顶会论文发表——学术与工业双重赋能，研究成果可直接对标国际一线实验室。
3.从论文到产品，看见技术改变世界你的算法不会停留在 paper 上——美团提供完整的"研究→工程→产品→规模化"落地链路，让你亲眼看到自己的技术在真实世界中运行、迭代、创造价值。
4.AI-Native 工作方式团队全面拥抱 AI 工具，充足的 GPU 算力支持大模型训练与大规模实验，不设条条框框，鼓励用最先进的手段解决最难的问题。
5.扁平开放，快速成长技术氛围浓厚，扁平管理，鼓励创新探索与技术分享；北斗计划提供顶级导师一对一指导，助力快速成长。

岗位描述

【岗位职责】

美团是中国领先的生活服务科技平台，拥有覆盖数千万商户与数亿用户的真实履约网络。美团无人机是全球率先实现城市低空配送常态化运营的团队。我们正将具身智能技术引入大规模真实物理场景，探索"让机器像人一样理解世界、自主行动"的下一代智能体。你将加入具身智能算法核心团队，承担以下职责：

1. 算法方案设计与落地深入理解美团真实业务场景与任务需求，探索类人形具身智能"数据采集—算法训练"的最优配合范式；设计高效的数据闭环方案与预训练/后训练模型算法方案，持续提升具身智能模型在真实物理世界中的泛化能力与鲁棒性。
2. 学术成果产出依托美团海量真实场景数据与高校深度合作资源，定义并攻克具身智能领域的关键科学问题；以第一作者或核心贡献者身份，在 CVPR、ICRA、NeurIPS 等顶级会议产出高质量论文。
3. AI 工具提效将大语言模型、AI 编程助手等前沿工具深度融入算法研发全流程（方案设计、代码实现、实验分析、文档撰写），推动团队整体研发效率与智能化水平跃升。

【任职要求】

1.硕士及以上学历，计算机、自动化、机器人等相关专业，对人工智能、计算机图形学或机器人学有深入的理论理解
2.精通 Python 及 PyTorch 等主流深度学习框架，具备扎实的算法实现与工程落地能力；熟悉 C++ 者优先
3.对具身智能方向有浓厚兴趣与出色的自驱力，能主动在复杂真实场景中挖掘技术价值，而非被动执行
4.熟练运用 AI 辅助工具（如代码生成、数据分析、模型调优等）进行算法开发与优化，并能评估其在实际场景中的有效性与局限性

加分项：

1.在 CVPR、ICCV、ICRA、IROS、NeurIPS 等顶级会议或期刊发表过高质量论文
2.有类人形机器人操作、灵巧手抓取、全身运动控制等方向的研究经验

【岗位吸引力】

1.美团级场景，数据壁垒背靠美团数亿用户、数千万商户的真实履约网络，你将拥有业界最丰富、最多样的真实物理交互数据——这是任何高校实验室和初创公司都无法复制的数据资产。
2.前沿技术，学术产出团队与清华、北大、港科大等顶尖高校保持深度合作，提供充足算力与真机资源，鼓励并支持顶会论文发表——学术与工业双重赋能，研究成果可直接对标国际一线实验室。
3.从论文到产品，看见技术改变世界你的算法不会停留在 paper 上——美团提供完整的"研究→工程→产品→规模化"落地链路，让你亲眼看到自己的技术在真实世界中运行、迭代、创造价值。
4.AI-Native 工作方式团队全面拥抱 AI 工具，充足的 GPU 算力支持大模型训练与大规模实验，不设条条框框，鼓励用最先进的手段解决最难的问题。
5.扁平开放，快速成长技术氛围浓厚，扁平管理，鼓励创新探索与技术分享；北斗计划提供顶级导师一对一指导，助力快速成长。

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

登录后分析我的简历

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）

类型专业能力·难度困难

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

类型项目经历·难度中等

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

类型专业能力·难度简单

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

类型专业能力·难度中等

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

类型情景/案例·难度中等

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。

前往官方投递页 →