北京图像处理算法工程师

【愿景】美团推荐系统日均处理数十亿次请求，是国内规模最大、场景最复杂的本地生活推荐引擎之一。当 Scaling Law 在语言模型上的成功已被充分验证，推荐系统正站在同等量级的范式跃迁临界点——我们已经落地了MTGR等具有影响力的推荐大模型成果；我们正在做的，是让推荐系统进一步进化，构建下一代生成式Agentic推荐系统。【你将参与】1.生成式推荐建模：探索具有 Scale Up 属性的端到端生成式推荐架构，突破传统判别式模型的效果天花板，对用户行为序列进行深度建模，全方位挖掘用户兴趣。
2.算法与工程协同：通过算法与系统的协同设计显著提升推荐链路 MFU 水平，解决大参数量模型在毫秒级在线服务下的效果-性能平衡难题。
3.Agentic Recommendation：打破传统协同过滤的被动匹配局限，设计具备领域专家经验、推理能力与主动规划能力的推荐 Agent，探索意图理解驱动的下一代推荐范式。
4.多模态内容理解：融合文本、图像、用户行为等多模态信号，构建统一表征体系，支撑跨业务线的个性化推荐能力复用。

北京三快科技有限公司

【愿景】打造全球领先的本地生活智能平台，让每一次搜索和推荐都精准理解用户需求，从被动匹配走向主动认知推理。我们致力于成为大模型在搜索与推荐场景落地的标杆团队，推动行业从传统深度模型向生成式智能的范式跃迁，用AI能力重新定义下一代生活服务入口。【你将参与】方向一：个性化自进化与主动探索算法机制1.探索与利用权衡： 负责设计前沿的主动探索训练目标与触发机制，引入不确定性感知等机制，使 Agent 能够根据当前交互状态、上下文历史自主判断自适应进化方向。
2.高价值信息捕获： 在极低用户打扰的约束下，设计高效的主动追问与澄清策略，精准、主动地获取用户深层高价值偏好信息。
方向二：多轮交互奖励建模与 RL 策略优化1.长期价值奖励建模： 负责构建面向长期交互与用户留存的奖励模型体系，将用户显式反馈（追问、点击）与隐式行为（停留、改写）转化为高置信度的显式/隐式奖励信号。
2.强化学习策略对齐： 运用先进的强化学习算法（如 PPO、GRPO、在线/交互式 RL），优化模型在多轮对话与 AI 搜索场景下的样本效率与收敛性。基于严谨的理论框架（如收敛性保证、遗憾界分析），指导算法的原则性设计，确保策略在复杂、长尾多场景迁移时的可解释性与可靠性。
方向三：Agent 闭环体系建设与全链路落地1.可插拔个性化内化模块： 研发高容量、强泛化性的个性化信息内化与记忆模块，动态攻克信息更新频率与偏好识别精度之间的权衡难题。

北京三快科技有限公司

【愿景】面向美团AI搜索中的复杂业务场景，研究一套泛化增强方法，旨在解决多场景、多约束、多工具条件下模型泛化不足、调用不稳和新业务接入成本高等问题，提升模型在复杂业务搜索任务中的跨场景迁移能力、多约束执行能力、多工具调用稳定性。【你将参与】1.业务场景泛化：提升多业务场景下的任务适配与迁移能力。围绕外卖、到店、零售、酒旅等典型业务场景，研究统一任务建模与多场景联合训练方法，增强模型在不同业务场景、不同用户表达和不同任务类型下的适配能力与迁移能力，提高跨场景条件下的端到端任务完成效果。
2.复杂约束泛化与推理：提升复杂筛选条件下的理解与满足能力。围绕时间、地点、价格、人数、品类、优惠、排序偏好等核心筛选条件，研究复杂条件的识别、表示与执行方法，提升模型对多条件组合请求的理解能力、条件一致性处理能力和最终结果满足能力，增强复杂请求下的稳定执行效果。
3.垂域工具调用泛化：提升搜索工具调用的准确性与结果一致性。围绕工具选择、参数生成、调用校验和结果整合等关键环节，研究搜索工具调用优化方法，提升模型在真实业务链路中的工具调用准确率、完整调用成功率以及最终结果与调用结果的一致性，提高整体任务执行的稳定性和可用性。

北京三快科技有限公司

【愿景】我们致力于构建健康的本地商业生态，通过为平台客户和消费者提供符合其需求的多元、便捷、高效的商业产品和服务，帮助生态伙伴提高效率、优化经营、实现持续健康发展，推动本地商业数字化营销的发展，促进商业生态繁荣。【你将参与】1. 多模态理解与表征技术研究：运用多模态技术理解异构本地生活供给（图文/商品/门店/短视频），通过跨模态对齐、多模态预训练、SID编码等方式为召排模型提供高质量表征输入。
2. LLM 与协同信号融合建模：将 LLM 的语义理解与推理能力和协同过滤信号深度融合，通过指令微调、CoT 推理增强、协同信号注入等方式，构建兼具行为记忆力与语义泛化力的统一广告模型。
3. 生成式召排链路升级：探索生成式技术对召回、预估、重排的系统性改造，推动广告系统端到端统一建模；研究广告场景下 Scaling 规律，建立模型规模与业务指标的可预测转化关系。
4. Agent 自迭代能力构建：探索基于 LLM 的广告系统自演进框架，利用 Multi-Agent 自动化特征工程、样本挖掘、实验分析等研发环节，构建模型基于线上反馈持续自迭代的能力。

北京三快科技有限公司

【愿景】随着美团业务向多个海外市场拓展，推荐与搜索系统面临多国家、多语言场景下的核心技术挑战：一方面，不同语言的语义理解差异、跨语言迁移能力不足、低资源语言数据稀缺等问题制约了搜索相关性体验；另一方面，各国市场用户行为模式、文化偏好、消费习惯差异显著，传统推荐系统难以在多国场景下实现统一建模与高效迁移。本岗位致力在打造面向多国多语言场景的推荐搜索一体化解决方案，融合多语言语义理解与大语言模型（LLM）能力，构建具备跨国泛化能力的推荐搜索系统，全面提升境外业务的用户体验与转化效率。【你将参与】方向一：多国多语言搜索相关性
1.多语言语义表征建模：基于多语言预训练模型（如mBERT、XLM-R等），结合本地化业务数据，构建适配多国语言的搜索相关性表征模型，提升跨语言语义对齐能力。
2.低资源语言相关性增强：针对数据稀缺的小语种市场，探索数据增强、跨语言迁移学习、零/少样本学习等技术，提升低资源语言下的相关性判断能力。
3.多国统一相关性评估体系：设计面向多国多语言场景的相关性评估框架，结合人工标注与模型自动评估，构建可扩展的多语言相关性基准。
方向二：LLM-based 多国家统一推荐
1.LLM驱动的跨国用户意图理解：基于多语言LLM，对不同国家用户的行为序列与搜索意图进行统一建模，提升跨国场景下的用户偏好理解能力。
2.多国统一推荐基座模型：探索以LLM为基座，通过多国数据联合训练与国家/文化特征注入，构建可快速适配各国市场的统一推荐模型，降低多国分治的维护成本。
3.跨国冷启动与迁移学习：针对新兴市场数据稀缺问题，研究基于LLM的跨国知识迁移与冷启动方案，提升新市场推荐效果的快速收敛能力。

北京三快科技有限公司

我们期望探索构建这样的 AI 系统：具备真实物理世界级别的全模态信息交互与处理能力、有高学习和成长属性、可以无人监管地高效执行并完成真实复杂长程任务；从而让 AI 真正成为人类的强大帮手，对工作、生活、科研等人类社会的各个方面都进一步带来更大、更深远的有益影响。
1.探索小时或者天级别复杂长程任务下的 RL Scaling 等可靠后训练范式，实现有效的探索引导和 credit assignment，并保障训练的 robustness、efficiency & effectiveness；
2.探索模型的自进化系统构建方案，在易于模型理解使用的前提下，训练模型以更高信息密度的形态构建、维护和利用 memory / skills，使模型能主动在重复性任务或封闭任务域中总结、提炼认知与经验，并进行有效复用，达到不断自进化的效果；
3.探索多模态推理和多模态环境交互的范式，尤其关注真实物理世界级别的动态环境，并基于此训练模型在复杂全模态环境下的复杂长程任务完成能力；
4.探索模型群体智能的演化可能性，可以自主进行合理的任务拆解、分工、协同探索与智能集成；
【为什么是我们】1.获得在业内最前沿的大模型认知和技术积累，团队人才密度高且具备良好的研究、讨论氛围，鼓励大家研究最重要、最难、最开放的问题；
2.研究成果丰硕，在 agent / multi-modal agent、posttrain、reinforcement learning、memory & evolving system 等方向进行了系统探索，仅过去半年就产出 ICLR 2篇，ACL 1篇，ICML 5篇，另有10篇以上 NeurIPS/EMNLP 工作在投，投稿工作顶会中稿率达 80%，代表工作包括 VitaBench / ScaleEnv / CoBA-RL / MemOCR / Skill0 / Skill1 / SDAR 等；
3.有充足的数据和GPU资源用于实验探索，同时有良好的高校科研合作链接和丰富的学术资源，助力大家探索最重要、最难、最开放的问题；
4.工作环境优越，团队扁平，结果导向，提供有竞争力的薪资福利和良好的个人成长、发展空间；

北京三快科技有限公司

：

1. 负责停车场工况行为决策、路径规划算法设计、开发及性能迭代

2.针对停车场工况的特殊场景，如窄路汇车/脱困等，优化算法性能，提升这些场景的通过性

3.针对量产平台进行算法工程化及调试，参与工程化项目开发，分析泛化问题，并设计优化和解决方案跟进日常路测问题

4.负责关注国际前沿动态，掌握HPA/APA决策规划算法的发展

北京地平线信息技术有限公司

互联网

1.有智能体平台或数据智能体产品从 0 到 1 建设经验；

2.熟悉 Text2SQL、知识图谱、数据智能体相关技术；

3.有大模型微调（SFT / RLHF）或模型评测经验；

4.在顶会发表论文，或在开源社区有活跃贡献；

5.有 ACM / Kaggle 等竞赛获奖经历。

深圳市腾讯计算机系统有限公司

互联网

1. 承担原型机研发项目中，整车能量管理算法的设计、开发工作；

2. 针对特定整车构型，设计能量管理算法，进行面向经济性的整车管理算法的优化设计。

3. 负责整车能量管理算法的实车验证、调试和优化。

北京经纬恒润科技股份有限公司

互联网

1.负责大模型推理引擎的研发和优化，包括推理系统优化、模型量化压缩和模型部署；
2.负责开发和维护基于大规模数据的推理引擎；
3.参与解决推理过程中的技术难题，提升推理算法的性能和效果；
4.开展相关领域的技术研究，提出创新性的解决方案。

北京三快科技有限公司

1、硕士及以上学历，计算机科学、人工智能、数学、电子工程、自动化、语音语言学等相关专业；

2、基础能力:
-扎实的机器学习 / 深度学习理论基础 (Transformer、Attention、Loss 设计、训练范式)
-熟练使用 PyTorch 等主流深度学习框架，有实际模型训练 / 调优经验
-熟练 Python, 具备扎实的工程实现能力
-良好的数学基础(概率论、线性代数、最优化)

3、学习能力: 能快速阅读英文顶会论文 (NeurIPS / ICML / ACL / EMNLP / Interspeech / ICLR / CVPR 等), 具备前沿技术调研与复现能力；

4、综合素质: 良好的逻辑思维、问题分析与解决能力；责任心强，有团队协作精神；对 AI 技术有持续的热情和探索欲。


【加分项 】(任一方向相关即可)

1、大模型方向: LLM 预训练 / SFT / RLHF / DPO 项目经验；熟悉 DeepSpeed / Megatron /vLLM/ TGI 等训练 / 推理框架；Hugging Face 生态贡献、GitHub 高 Star 项目、顶会论文发表；

2、语音多模态方向: ASR / TTS / 语音降噪项目经验；熟悉 Kaldi / ESPnet / Wenet / FunASR 等语音工具；小语种 / 跨语言迁移 / 弱监督学习经验；Interspeech / ICASSP 顶会论文；

3、Agent 与记忆方向: LLM Agent / RAG / Prompt Engineering 项目经验；熟悉 LangChain / LlamaIndex / AutoGen / CrewAI 等 Agent 框架；向量数据库 (Milvus / Weaviate / Pinecone) 使用经验；Long-Context / Context Engineering / Memory Mechanism 研究或项目经验。

广州橙行智动汽车科技有限公司

汽车

1、计算机或相关专业本科以上学历，硕士博士优先；

2、具备NLP大模型算法知识，有大模型相关使用经验，做过对话机器人的优先；

3、具有良好的英文阅读能力，可以快速理解前沿论文和技术文档并评测效果；

4、出色的问题解决能力和创新能力，能够从实际业务问题出发，解决复杂的技术挑战；

5、顶会上发表过论文，参与过ICPC/CCPC算法类竞赛获奖者优先；

淘天有限公司

互联网