[Skip to main content](#main-content)

[OpenNash Jobs](https://jobs.opennash.com/)
[Hiring report](/reports/hiring/) · [All Meituan jobs](https://jobs.opennash.com/companies/meituan/) · [Search jobs](/search/)

Meituan · 北京市 +1 more

# 【北斗】大模型训推引擎工程师（后训练/推理方向）

北京市 +1 more 

Listed on Meituan ’s official careers site. Listed as of October 19, 2026. Check that it is still open and apply there.
[Apply on Meituan ’s careers site →](https://zhaopin.meituan.com/web/position/detail?highlightType=campus&jobUnionId=4530177703)

[OpenNash Jobs](https://jobs.opennash.com/) / [Meituan ](https://jobs.opennash.com/companies/meituan/) / 【北斗】大模型训推引擎工程师（后训练/推理方向）

## Job description

### 方向一

面向Agent RL的LLM分布式后训练系统

### 多模态与超长上下文训练优化
- 针对万级以上超长序列（Long Context）及多模态输入，研究高效的上下文并行（CP/SP）、序列并行策略及分布式通信拓扑，优化内存足迹，支撑长文本与复杂多模态后训练。

### 计算资源弹性调度与容错容灾
- 研究超大规模集群下的弹性训练技术（Elastic Training），实现节点动态加入/退出、无感故障自动恢复（Fault Tolerance）与训练超参数自动寻优，提升集群算力有效利用率（MFU）。

### Agent RL算法基础设施
- 构建面向Agent强化学习的高效Rollout引擎、多模型（Policy/Value/Reward/Reference）多阶段流水线编排及动态负载均衡机制；设计并建设支持高并发、低延迟的工具调用（Tool-use）虚拟环境/沙箱模拟器交互系统。

### 训推一致性协同设计（Co-design）
- 打通训练与推理底层架构，研究在后训练阶段（如在线RL、Iterative DPO）如何实现训练框架与高性能推理引擎的深度融合，降低在线反馈延迟，实现训推一体化高效演进。

### 方向二

大模型高效推理与加速技术

### 面向Agent场景的动态推理架构
- 针对Agent多轮对话、工具调用等复杂交互带来的极致动态性，研究智能KV Cache管理优化策略（如动态复用、分级存储、长短时记忆重组），解决长序列及高并发下的显存瓶颈。

### 极致模型压缩
- 研究前沿的模型压缩技术，包括先进的高比例量化（INT4/FP4/低比特混合精度）、结构化/非结构化稀疏（Sparsity），并开发对应的硬件友好型Mega算子，压榨硬件极限性能。

### 下一代投机采样技术
- 深入研究并落地最前沿的解码加速技术，包括Draft-Target分离部署架构、Structured Speculative Decoding等异构投机采样方案；探索多Token预测（MTP）在线联合验证、无轻量模型依赖的自投机（Self-Speculative）等免草稿模型加速路径。

### 前沿推理系统深度开发
- 跟踪并引领AI Infra业界最新进展，深度参与并优化主流开源推理框架，进行架构级的核心代码重构、极致的通信优化与算子融合，推动最新infra成果在核心业务的高效落地。 【任职资格】 必备项： 1.2027届本科及以上学历，计算机、人工智能等相关专业； 2.具备良好的计算机基础素养和分析解决问题的能力，熟练掌握C/C++或Python编程语言； 3.学习能力强，对AI Infra方向有技术热情，富有极客精神； 4.具备扎实的机器学习和深度学习基础，熟悉GPU、NPU硬件架构，熟悉CUDA，CCL，RDMA或者任意机器学习DSL；
- 具有良好的沟通协作能力，工作积极主动。

### 加分项
- 具备有影响力的大规模分布式系统、高性能计算项目经验；
- 在OSDI、SOSP、NSDI、MLSys、ICML、ICLR、NeurIPS等等顶级会议上有论文发表；
- 在高影响力开源项目（如vLLM/SGLang/Megatron/verl等）有核心代码贡献。 【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。 【为什么是我们】

### 顶级算力资源
- 超大规模GPU集群，充足的算力支持你的大胆想法；

### 极致技术挑战
- 工作内容直面AI Infra方向最前沿的技术问题；

### 强化开源影响
- 支持深度参与AI Infra方向顶级开源项目，建设开源社区影响力；

### 开放研究氛围
- 鼓励论文发表，支持参加顶会，与学术界保持紧密合作。

## At a glance
- Posted by the employer: Not stated
- First seen by OpenNash: Oct 19, 2026
- Last checked: Oct 19, 2026
- Listed for: Under a day
- Location: 北京市 +1 more[Apply on Meituan ’s careers site →](https://zhaopin.meituan.com/web/position/detail?highlightType=campus&jobUnionId=4530177703)

## More jobs at Meituan 

### [AI Agent 产品经理](https://jobs.opennash.com/companies/meituan/jobs/2b6311eacacf7247913a/)

北京市 +1 more

### [AI Agent 研发工程师](https://jobs.opennash.com/companies/meituan/jobs/f9b3d4aa95acf5819eeb/)

北京市 +1 more

### [AI Agent工程师](https://jobs.opennash.com/companies/meituan/jobs/5f93a9700c1ee721af06/)

北京市 +1 more

### [AI Builder（产研范式方向）](https://jobs.opennash.com/companies/meituan/jobs/b24feb70be908b5d1104/)

北京市 +1 more

### [AI Builder（研发工作流方向）](https://jobs.opennash.com/companies/meituan/jobs/5f783bdfef00cdea64c2/)

北京市 +1 more

## Similar jobs at other companies

### [混元vlm算法研究员-后训练/基座能力提升方向（深圳/北京/上海）](https://jobs.opennash.com/companies/tencent-holdings/jobs/6e5d66aa057dd5c66147/)

Tencent Holdings · Beijing

### [MiMo算法研究员-后训练](https://jobs.opennash.com/companies/xiaomi/jobs/3908e9a1977af58b02f7/)

Xiaomi · 北京

OpenNash lists jobs from employers’ own careers sites and does not handle applications.
Dates come from the employer where stated; “first seen” and “last checked” are our own observations.

OpenNash Jobs · Official listings with dates and links to the employer. [Weekly hiring report](/reports/hiring/) · [Methodology](/methodology/)