薪酬概览
平均月薪
¥27900
中位数 ¥27000 ｜ 区间 ¥18600 - ¥37200
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
60% 人群薪酬落在 15-30k
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
6月新增岗位
2
对比上月：岗位减少3
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 |
|---|---|---|
| 5-10年 | 2 | 28.6% |
| 不限经验 | 5 | 71.4% |
热招职位
1.负责VLM Agent核心能力研发，包括但不限于多模态理解（图像/视频+文本）、指令遵循、自主规划、工具调用、记忆机制设计，实现Agent在特定场景的端到端自主决策与执行能力；
2.参与VLM模型的微调、适配与优化，结合Agent业务场景需求，提升模型的需求理解、工具使用和推理总结能力，提升跨模态交互流畅度和视觉理解精度等；
3.负责 VLM 基础模型能力的边界探索，研究基于强化学习的视觉推理增强技术，优化模型架构与推理策略，持续提升模型在细粒度视觉感知、复杂 UI 理解与跨模态逻辑对齐等高难度任务上的表现，探索 VLM 的 Scaling Law 新路径；
4.结合业务场景，梳理Agent应用需求，推动VLM Agent从原型验证到产品化落地，迭代优化产品体验；
5.跟进VLM与AI Agent领域前沿技术（如复杂任务规划、Think with images、RL 等），开展技术预研与创新，将前沿技术转化为实际业务价值。
1、探索可用于自动驾驶/机器人场景VLA的、有3D感知能力和物理世界常识VLM基座技术
2、通过重写、扩充和生成等方法合成大规模、高质量的数据；如指令调优、偏好对齐、模型优化以提高LLM在各个阶段（预训练、SFT、RLHF）的能力
3、开展大模型算法研究，包括但不限于：多模态LLM/VLM的预训练/监督微调/强化后训练、LoRA/P-Tuning等高效微调，模型量化、分布式部署算法，实现大模型算法研究与应用
4、探索可用于自动驾驶/机器人等业务场景世界模型的前沿4D重建与生成模型技术
5、进行基于VLA/世界模型/闭环强化学习的自动驾驶下一代算法方案研发
6、进行机器人场景VLA/世界模型/闭环强化学习的模型技术研发
7、进行通用的大模型/自动驾驶/机器人等场景模型训练及推理优化的技术研发和积累，包含形成工具链和文档化的训推优化方法论;持续跟进瓶颈分析、网络优化、文件IO优化、计算图优化、算子优化、DP/TP/PP/EP前沿训推优化技术，探索创新的结合自建AI超算集群的训推优化技术
1、前沿3D重建大模型的研发和优化，包括模型设计、训练与调优等工作；
2、根据项目需求，实现3D重建大模型在自动驾驶场景的落地；
3、跟踪深度学习3D视觉领域的最新研究成果，协同团队进行技术选型和创新；
1. 工作经验： 计算机、人工智能或相关专业本科及以上学历，2 年以上 AI 算法相关工作经验，具备扎实的深度学习理论基础。
2. Agent 与 LLM 实战经验：
● 精通 AI Agent 开发范式，有复杂多智能体系统设计与落地经验；
● 深入理解 LLM 底层原理，具备 SFT、DPO 等大模型微调与对齐的完整项目经历；
● 熟悉 RAG 技术栈，有处理大规模私有数据检索与融合的实际案例。
3. 强化学习与决策优化： 熟悉强化学习（RL）基本理论，有将 RL 应用于序列决策、推荐系统或广告竞价场景经验者优先。
4. 工程与架构能力： 精通 Python 与 PyTorch，具备优秀的系统架构设计能力。熟悉 Linux 环境下的分布式训练与高性能推理优化（如 vLLM, FlashAttention）。
5. 业务洞察与沟通： 具备敏锐的业务洞察力，能够将复杂的商业逻辑抽象为 Agent 任务流。拥有良好的跨团队沟通能力，能高效协同产品、工程及业务方推动项目落地。
6. 加分项：
● 在 KDD、ICLR、NeurIPS 等顶级会议发表过 Agent 或 RL 相关论文；
● 有广告算法、客户增长或大规模运筹优化背景；
● 在开源社区有高质量的 Agent 框架贡献或独立开发过成熟的 Agent 应用。
具体职责包括但不限于：
1、负责自然语言处理，尤其是大模型领域的前沿技术创新研发；推动语言模型、知识表示、机器翻译、对话系统、文本生成等关键技术和核心问题的解决，形成高引用论文和高价值专利，积极探索相关技术落地应用；
2、负责追踪最新技术和热点，优化、改进现有技术和系统，提升系统的性能和效率，在内外部业务场景验证，形成业内领先的技术服务能力和体系；
3、负责业务技术需求的支持，针对业务场景的真实需求，设计合理的技术方案和路线，通过技术创新和业务验证，实现业务价值和效率的提升。
1.AI搜索核心技术研发与落地；
2.研发基于大模型 Agent 的搜索问答技术，包括复杂搜索任务规划、多轮探索策略、工具调用及多 Agent 协作、答案生成等；
3.解决大模型可信评估、幻觉控制、整合推理、多模态、多轮交互的挑战；
4.大模型后训练与对齐算法；
5.结合AI搜索场景需求，深入探索高效的大模型后训练算法（ Mid-Training、SFT、RM/RL等）；
6.用户信号驱动的系统闭环优化。
【北斗实习】大模型应用算法工程师【全球多国的Agentic推荐】
【课题子主题】【搜推】面向全球多国的Agentic推荐【课题说明】随着业务发展，keeta推荐面临多国家不同文化和餐饮环境的挑战，包括：
1. 冷启动问题突出，推荐系统对本地的商家缺少理解，新市场和新用户缺乏交互数据，系统难以推荐符合本地用户偏好、受欢迎的餐厅；
2. 不同国家面临非常多的本地事件，例如中东斋月、巴西狂欢节、极端天气等，传统模型依赖历史行为数据难以及时对不同事件下的需求进行响应。 本课题拟引入 Agent 与多轮强化学习技术，构建具备策略生成、动态调控与反馈优化能力的搜推一体化推荐框架，提升系统在跨文化复杂场景下的响应速度和推荐效果。
【建议研究方向】1. 面向冷启动的语义理解与推荐建模，构建统一的商家与内容语义表征体系，通过世界知识和多模态信息建模，提升系统对不同国家餐饮供给的理解能力，并结合相似用户与商家的迁移泛化，在低数据与新市场场景下提升推荐效果。
2. 基于世界模型的推荐环境建模，构建统一的推荐世界模型，对用户偏好、商家供给及环境因素进行联合建模，学习需求随场景变化的动态规律，并通过用户反馈模拟器支持策略的离线评估与推演，提升系统对复杂环境的建模能力。
3. Agent驱动的推荐决策与强化学习，基于世界模型，将推荐建模为序列决策问题，引入Agent进行动态策略生成，并结合多轮强化学习与在线反馈持续优化排序与流量分配策略，以提升长期推荐效果与跨场景适应能力。
【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。
