岗位职责

研究方向一：垂域LLM研究与构建​

1.基座模型架构设计与优化：参与大语言模型基座架构的设计，研究前沿技术，如稀疏激活、混合精度训练等，同时优化模型的训练和推理流程。​

2.技术创新与突破：参与前沿技术研究，如多任务学习、跨模态理解等，推动模型在复杂任务上的性能提升；探索Transformer替代架构，突破现有模型scaling law限制；同时挑战学术benchmark，为模型的性能树立新的行业标杆。​

3.强化学习算法研究：参与大语言模型后训练阶段的强化学习算法研究，包括基于AI和环境反馈的强化学习（RLXF）算法。同时探索奖励模型与反馈机制，研究可泛化的细粒度过程监督和奖励建模，探索基于细粒度反馈的强化学习算法。​

4.垂域模型定制化构建：领域认知智能突破，探索小样本场景自演进架构设计、可信推理机制构建等方向，同时建立面向AGI的模型评价体系新范式。​

5.跨部门协作与落地：与公司数据科学家、算法工程师、产品团队紧密合作，将研究成果快速转化为实际应用，推动大语言模型在更多场景的落地。​​

研究方向二：垂域MLLM研究与构建​

​1.研究多模态表征与大语言模型融合的前沿技术，设计和实现创新算法，研究异质数据的统一编解码模型，适配多种模态下的特征统一，实现高效微调与优化。​

2.探索强化学习（RL）在多模态大模型中的应用，包括强化学习增强的多模态生成、跨模态对齐、偏好建模及自适应优化，提升多模态理解与推理能力。

​3.持续追踪多模态与强化学习结合的最新研究进展，优化现有多模态系统架构，提升性能、效率与可扩展性，推动多模态强化学习在智能体交互、决策推理等任务中的应用。

​4.构建技术评估体系，通过多场景验证推动多模态理解、生成及强化学习优化策略的落地应用，提升多模态大模型的泛化能力和实际应用价值。​​

研究方向三：基于角色扮演的虚拟数字助理

​​1. 角色扮演技术（Role-Playing）：通过模型优化、Agent构建，在人设、拟人性、情感等取得显著提升。

​2. 记忆管理与增强（Memory）：通过模型长上下文，记忆抽取与管理，提升系统的记忆能力。

​3. 个性化技术：通过用户行为数据挖掘与建模，结合多轮对话上下文理解，分析用户情感状态，提升模型的个性化回复能力。

​4. 基于Agent的数字助理：通过Agent构建和基于RL的优化，实现数字助理的能力复刻和增强

任职要求

1.优秀的探索与创新能力，在ACL/EMNLP/NAACL/NeurIPS/ICML/ICLR等顶级会议上发表论文者优先；

2.扎实的算法功底，在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；

3.有较强的自驱力和良好的动手实践能力，对新事物有强烈的好奇心。

岗位亮点：

1.核心的业务场景：围绕百万骑手工作场景，充足的数据和计算资源，勇担社会责任，秉承“让骑手工作得更好”使命，让每位骑手享受科技红利。

2.全方位技术挑战：服务于百万骑手的复杂场景，对AIGC技术纵深提出深刻要求，从知识注入到垂域模型训练，从多模态到Agent智能体，均是我们要攀登的高峰。

3.健全的培养体系：全方位Mentor机制，保障技术能力与业务能力全面提升，深度参与行业课题的探索与攻坚。

4.扎实的团队实力：发表多篇顶会论文、“技术突破”获奖团队、多项高校合作课题，团队氛围简单纯粹，丰富的内外部交流机会。

工作城市：

北京市

简历投递邮箱：wuhao147@meituan.com

内推码：9NVFT4M

目前北斗内推进面成功率 100%，建议在投递之前可以私信 lz简单沟通一下，后续可有序在部门内联系面试官直接面试