[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

# 【北斗】大模型算法工程师 SFT/RL/Agent方向

北京市 

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=4683995941)

[OpenNash Jobs](https://jobs.opennash.com/) / [Meituan ](https://jobs.opennash.com/companies/meituan/) / 【北斗】大模型算法工程师 SFT/RL/Agent方向

## Job description

该岗位将大模型后训练、强化学习与 Agent 技术应用于在线约束资源分配决策系统。调度规模化营销预算，覆盖数亿用户，具备小时级真实反馈闭环。系统求解的核心问题是带全局预算约束的序贯决策——在预算硬约束下确定补贴的对象、额度、形态与时机，使增量转化、长期用户价值与投入产出比等全局目标最优 【你将参与】

### 决策智能体（Agent）
- 将当前由人工策略规则承担的决策生成环节智能体化。构建面向营销决策的 Agent 系统，覆盖目标解析与任务分解、数据与模型工具链调用、候选策略生成、实验设计与结果归因、闭环迭代。

### 主要技术挑战

长程规划与上下文管理、工具调用的鲁棒性与幂等性，以及高风险场景下的可控性、可解释性与安全边界——Agent 输出直接对应真实资金支出

### 模型后训练与强化学习
- 面向业务语料与决策轨迹的后训练全链路：SFT、拒绝采样、偏好对齐（DPO / GRPO / PPO）、RLVR 与可验证奖励设计

### LLM 驱动的因果推断与智能决策
- 本方向直接承接增量目标与全局耦合：前者要求可信的反事实估计，后者要求在预算约束下完成跨单元的边际效率对齐。团队已有成熟的 uplift、LTV、在线学习与实时决策底座支撑线上业务，本方向探索大模型与该体系的耦合

### AutoResearch
- 策略研究的自动化闭环。

### 营销策略迭代在方法论上等价于科学研究过程

观察 → 假设 → 实验设计 → 执行 → 归因 → 认知修正。该循环当前由人工驱动，速率上限即研究者带宽

### Agent 基础设施与评测
- 噪声反馈意味着线上实验代价高、信号慢，前四个方向的迭代都依赖可信的离线评估作为前置筛选，本方向提供该前提。负责 Harness 设计、离线评测集与仿真环境构建、决策质量自动化评估体系、训练与推理链路、实验平台。"

### 如何度量决策类 Agent 的能力提升"本身是开放研究问题，涉及轨迹级评测、rubric 与 LLM-as-judge 的可信度校准、失败模式归因、评测集抗过拟合设计 【岗位职责】 必要条件

2027届本科及以上学历，计算机/人工智能/统计学等相关专业 具备扎实的机器学习与深度学习理论基础 加分项： 在 WWW/KDD/SIGIR/NeurIPS/ICML/ICLR 等顶会有较为丰富的论文成果 ACM/ICPC、Kaggle 等竞赛获奖经历 具备Agent 系统构建经验：独立搭建过 Agent 或多 Agent 系统，对 Harness 设计、工具调用协议、上下文工程及 Agent 评测方法论（benchmark 构建、轨迹级评估、自动化 judge、失败模式分析）有系统理解与实践 自动化研究系统经验：AI for Science / AI Scientist 类工作、自动化假设生成与实验设计、Agent 长期记忆与知识累积机制、自动化数据分析系统等方向的研究或工程实践 因果推断背景：系统学习或研究过 uplift modeling、CATE 估计、双重机器学习与双重稳健估计、IPW / 离线策略评估、实验设计与因果识别策略；在 LLM 与因果推断交叉方向（LLM 辅助因果发现、反事实推理、causal representation learning）有探索经历者优先 搜索、推荐、广告算法背景：多目标排序、竞价与机制设计、在线学习与探索利用权衡、大规模稀疏模型的学习、研究或工业实践 【为什么是我们】

### 研究环境稀缺
- 多数 Agent 与后训练研究的评价止于静态 benchmark 或仿真环境。本岗位同时具备硬约束、真实资金代价与小时级无偏反馈，策略优劣由线上实验判定——该量级的实时决策反馈数据与实验能力在学术环境中不可得，在工业界亦不多见。

### 业务杠杆直接
- 为年度百亿规模的直接资金投放，分配效率每提升一个百分点即对应可计量的绝对收益。

### 方法论可外推
- 带全局约束的序贯资源分配是一类通用问题结构，与流量分配、库存与定价、算力调度同构。本场景中验证有效的奖励设计、约束优化与 Agent 决策范式可迁移至上述问题，成果不局限于单一业务。

### 能力链路完整
- 从因果识别、奖励设计、RL 训练到线上部署与实验归因由同一人贯穿，而非承担分工切片中的单一环节；

### 组织能力及团队氛围
- 鼓励大胆创新、包容试错探索，为年轻同学创造最好的实战舞台；团队中有多名北斗人才密度高；完善的老带新机制；公平公开、简单清晰的激励及评价体系。

## 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[Apply on Meituan ’s careers site →](https://zhaopin.meituan.com/web/position/detail?highlightType=campus&jobUnionId=4683995941)

## More jobs at Meituan 

### [2027秋招-客服产品运营](https://jobs.opennash.com/companies/meituan/jobs/f978e7cc03c79468cf40/)

北京市

### [2027秋招-客服工具运营](https://jobs.opennash.com/companies/meituan/jobs/6aadb21477d2532eed03/)

北京市

### [3PL加工主管](https://jobs.opennash.com/companies/meituan/jobs/e9a43ac9d86f9eeb5ebd/)

北京市

### [AI Agent 产品经理](https://jobs.opennash.com/companies/meituan/jobs/9bcdd148de90945f1a23/)

北京市

### [AI Agent 产品经理（微信生态方向）](https://jobs.opennash.com/companies/meituan/jobs/0ee416ec313968c517be/)

北京市

## Similar jobs at other companies

### [大模型算法工程师](https://jobs.opennash.com/companies/china-telecom/jobs/9680dc83336b080ded7a/)

China Telecom · 北京市

### [大模型算法工程师-Data Agent方向](https://jobs.opennash.com/companies/xiaomi/jobs/079776c9cec9244f7b06/)

Xiaomi · 武汉

### [大模型算法工程师（Agent方向）](https://jobs.opennash.com/companies/trip-group/jobs/661fe510ede2af335412/)

Trip.com Group · Shanghai

### [腾讯战略发展部-高级商业分析师-AI Agent方向](https://jobs.opennash.com/companies/tencent-holdings/jobs/be281e306d2aa2004ec2/)

Tencent Holdings · Shenzhen

### [OS软件工程师（AI Agent方向）](https://jobs.opennash.com/companies/xiaomi/jobs/f777a0b9baf595d81794/)

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/)