北京搜索算法
搜索算法是一种用于在大量数据中查找特定信息的计算方法。它通过遍历数据集合并比较每个元素与目标值的关系，以确定是否存在匹配项。搜索算法具有广泛的应用领域，其中之一是用于职位搜索。职位搜索算法主要是为了帮助求职者在大量的职位信息中快速定位符合自身条件的职位。该算法通常通过关键词匹配来筛选出符合条件的职位。求职者可以输入关键词，如职位名称、关键技能、所在地等，搜索算法会在数据库中查找与关键词相关的职位信息，并按照设定的排序规则为求职者提供结果。
薪酬概览
平均月薪
¥36700
中位数 ¥0 ｜ 区间 ¥24900 - ¥48600
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
66.7% 人群薪酬落在 >30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
8月新增岗位
23
对比上月：岗位新增19
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 3 | 15.8% |
| 1-3年 | 7 | 36.8% |
| 3-5年 | 3 | 15.8% |
| 5-10年 | 3 | 15.8% |
| 不限经验 | 3 | 15.8% |
热招职位
【愿景】美团广告业务覆盖商家营销触达、广告投放、创意生产、用户咨询转化等多个环节，当前整体链路仍高度依赖人工，在覆盖效率、服务成本、响应速度、创意质量和个性化能力上均面临挑战。本岗位致力于将大模型技术应用于美团广告经营全链路，结合智能销售、智能 IM、智能创意、B端Agent等场景，探索广告领域垂类大模型、多智能体协作、工具调用、多模态生成和转化信号优化等关键能力。通过大模型赋能商家触达、用户交互和创意生产过程，降低广告经营与服务成本，提升商户广告投放意愿、用户成单转化率和平台广告业务效率。【你将参与】1.智能 IM：设计基于大模型的商家 IM 助手，交互式识别用户意图，完成多轮答疑、导购推荐、客服承接、留资预约等任务。重点研究多智能体协作、动态工具调用、任务分解规划与对话 harness，提升复杂交互任务的稳定执行能力。
2.智能创意：借助大模型的多模态理解与生成能力，结合用户画像、商户/品特征、热点趋势和投放目标，探索图文笔记、短视频、长视频、脚本、素材选择等商用级广告创意生成技术。重点研究创意 Agent 框架、开放式任务奖励建模与效果反馈优化。
3.智能销售：面向电销、IM、企微等商家触达场景，构建大模型驱动的智能销售系统，提升商户需求理解、广告产品推荐、异议处理和多轮营销对话能力。重点研究商家画像与交互环境建模、销售 Agent 框架、Agentic RL 与转化信号优化。
4.B 端 Agent：面向商户广告经营与投放优化场景，构建具备经营诊断、投放建议、效果分析和自动化操作能力的 B 端广告 Agent。重点研究广告 Agent harness、复杂工具调用、长程任务规划执行、状态记忆与效果反馈优化等技术。
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.大规模数据体系建设：设计构建大规模真机与第一人称操作数据采集体系，探索类人形具身数据最优闭环范式；推动超大规模数据工具链建设，研究数据混合策略，探索 Foundation Model 在机器人中的 Scaling Law 与泛化边界。
2.真机部署与自我迭代：构建迈向商用的真机部署方案，结合美团真实业务场景（如无人机/机器人），研究基于人类反馈的强化学习与示范学习，使智能体实现技能的快速增量学习与迭代。
3.评测体系与前沿探索：建立具身智能系统化评测体系（任务成功率、泛化性等）指导模型迭代；依托公司真实场景数据与高校合作资源，定义并解决具身智能领域的关键科学问题，参与前沿学术会议的高质量论文产出。
为了更好地提升城市即时配送的效率与体验，2017年，美团启动了无人机配送服务的探索，通过科技创新推动履约工具变革，加快建设空地协同的本地即时配送网络。目前，美团已初步完成了自主飞行无人机、智能化调度系统及高效率运营体系的研发建设工作，由此打造了一个服务于多场景、多天候的城市低空物流解决方案。该岗位将负责无人机实景仿真系统的核心算法研发与落地。以3D Gaussian Splatting（3DGS）、神经场景重建为基础，融合世界模型与生成式AI能力，打造面向无人机低空自主飞行场景的高保真数字孪生环境。系统接入无人机多视角航拍、地面激光雷达/相机采集、卫星遥感影像等多源异构数据，通过大规模场景重建与AI驱动的可控生成，输出覆盖城市级区域的真实感仿真场景，支撑感知、规划、决策等全链路算法的闭环训练与验证，加速无人机算法从仿真到实飞的迭代效率。
1.实景三维重建：基于3DGS及NeRF等前沿技术，利用多源异构数据（无人机多视角航拍、地面激光雷达/相机、卫星遥感影像）进行城市级大规模室外场景的高精度三维重建，实现照片级真实感的新视角合成与实时渲染；
2.世界模型构建：研发基于世界模型（World Model）的场景动态建模与时空推演能力，包括光照/天气/季节变化模拟、动态物体行为预测、物理交互仿真等，使仿真场景具备时序连贯性与物理合理性；
3.生成式场景合成：运用Diffusion Model、Video Generation Model等生成式AI技术，实现仿真场景的可控编辑与扩展生成，包括场景风格迁移（季节/天气/光照/时段）、稀疏观测区域AI补全、虚拟目标自动化插入、极端长尾场景（corner case）自动生成等；
4.仿真系统工程落地：参与实景仿真系统整体架构设计，推动算法从研究原型到生产级系统的转化，保障大规模场景的渲染效率与质量平衡。
负责提升自动驾驶决策规划模型能力，利用数据驱动的方法训练安全、高效、拟人的行为模型，评估交付提升实车能力表现。主要工作包含：1）构建闭环训练算法，包括不限于自回归、flowmathing等算法，利用模仿学习+强化学习优化策略，优化提升模型的交互能力。2）构建数据闭环算法管线，包含conner case生成、伪标签生成、对抗样本生成等方法，提升模型在长尾问题上的表现
1、负责机器人电机驱动及运动控制算法的设计与优化，包括轨迹规划、力矩控制、PID/自适应控制等模块；
2、研究机器人运动控制的前沿技术，提升系统在精度、稳定性和实时性方面的性能；
3、将算法部署到嵌入式平台，完成硬件-软件的联合调试，确保电机控制与机器人整体系统的协同运行；
4、支持技术团队解决产品开发中的复杂技术问题；
5、设计测试方案并完成算法性能验证，持续迭代优化控制策略以满足实际应用场景需求。
1.负责火龙漫剧/视频业务的推荐与搜索技术研发（包含但不限于传统搜推、LLM4Rec、AI搜索、生成式推荐等），提升用户体验，用户消费与时长，用户转化与留存等核心业务指标；
2.根据场景特点和产品定位，对全链路算法体系进行深度理解与优化，持续优化推荐/推荐算法；
3.结合大模型技术，升级推荐技术，提升推荐效果，解决实际业务问题；
4.紧跟学术界、工业界的前沿技术，结合实际的业务场景进行算法开发、落地，实现团队技术和业务的共同发展。
【课题说明】信息流广告系统一般采用“召回->粗排->精排->出价->拍卖”的多级漏斗架构，但各模块独立优化导致优化目标不一致，前链路会制约后链路上限，漏斗效率折损大。近年来，随着大模型和生成式技术的快速发展，其强大的表征能力和良好的Scaling性质也为广告系统提供了新的可能性。本研究旨在探索如何利用生成式技术重塑整个广告系统，通过一个端到端的生成式广告大模型完成所有决策，打破多级漏斗框架，打开模型决策空间，最大化平台收益。【建议研究方向】1.生成式广告大模型架构设计：基于前沿大模型（如时空Transformer、MLA、MoE等），设计适配广告场景的生成式决策框架，支持根据“用户行为、实时位置、商户出价”端到端生成最优的广告商家、展示创意、相应计费。
2.多阶段的训练范式设计：借鉴LLM的分阶段训练技术（如PT、SFT、RLHF等），设计“基于海量交互的 pre-training 和 基于业务目标的 post-training ”的分阶段训练范式，提升广告大模型效果。
3.广告大模型的Scaling规律探索：探索广告场景下，生成式大模型“算力->效果”的转化规律，驱动推广搜迭代范式实现由“人工设计迭代”到“算力堆叠迭代”的跃迁。
1、参与智能驾驶场景下的地图系统研发与优化，包括不限于AVP、记忆泊车及车位到车位等场景，重点解决地下停车场特有的无GNSS、弱纹理、重复结构、镜面/立柱干扰、剧烈光照变化、多楼层衔接等问题，持续提升众源地图构建与更新系统在几何精度、拓扑正确性及稳定性上的表现。
2、跟踪建图定位领域的前沿技术（SOTA），协助探索新方案在实车场景中的落地可行性，方向包括但不限于：神经隐式表征/3DGS建图、无图/轻地图范式下的语义建图与重定位等，解决行业长尾问题。
1.负责研究多媒体领域的前沿AI算法模型，包括视频增强与处理、视觉多模型生成、编辑等方向；
2.负责模型推理加速研究和落地，包括但不限于模型量化、蒸馏、剪枝、算子优化等，持续优化推理性能；
3.深入研究机器学习、深度学习等领域的前沿技术，结合视频/图片业务需求进行技术创新和应用开发；
4.跟踪并分析国内外最新的人工智能科研进展，引导团队的研究方向。
1、 负责业内先进的语音生成算法的研究，提升AI助手语音合成速度、韵律和自然度；
2、 负责音色迁移等个性化TTS项目；
3、 负责算法系统搭建、后台架构搭建、接口工程实现等其中一项或者多项；
4、 带领团队完成相关车型交付。
岗位要求：
1、计算机、信息、通信、信号类及相关专业；
2、熟悉语音合成或音色转换等相关声音生成技术，熟练应用常见声学模型、声码器、声学前端模型，并能够进行修改和应用；
3、具备良好的音频理论和信号理论基础，具备机器学习理论基础；
4、熟悉linux系统，擅长python或者c/c++编程，代码风格严谨；
5、良好的中英文文献阅读能力，能够快速使用开源框架；
6、沟通良好，对技术有热情，勤奋学习，积极向上。
1. 负责大模型和业务模型的量化方案设计与落地，包括LSQ、动态量化等量化过程的优化、模型latency优化、模型迭代等
2.负责模型关键算子优化，提升推理性能与硬件利用率，降低显存占用并提升吞吐
2. 使用模型优化技术，包括模型低精度量化、模型压缩/裁剪，熟悉大模型的量化、长上下文推理优化等
3. 参与软硬件协同优化设计，与硬件团队协作，参与硬件设计和优化，提升模型在硬件平台的执行效率
【必备项】
1. 计算机、数学或统计学相关专业硕士及以上学历；
2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础；
3. 熟悉常用的机器学习和深度学习算法及Tensorflow/Pytorch等至少一种深度学习框架；
4. 具备丰富的数据处理、prompt设计、SFT及RL优化等LLM算法应用与创新经验；
5. 具备优秀的分析和解决问题的能力，良好的沟通协作能力。
【加分项】
1. 有NLP/搜索/推荐/广告等机器学习相关领域实践经验者优先；
2. 参与过机器学习开源项目并有突出贡献者更佳；
3. 参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并取得好名次者更佳；
4. 有数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在以上领域的国际会议(SIGIR、SIGKDD、ICML、NIPS、WSDM、WWW、AAAI、CIKM、ACL、RECSYS)或者期刊上发表过论文者更佳。