大模型算法工程师（强化方向）
美团 · 北京
来源：美团 官方招聘 · 更新于 2026-08-17 · 抓取快照，投递前请确认岗位仍在招
岗位描述
- 负责大语言模型强化学习全链路优化，包括高质量训练数据构建、奖励模型迭代（Reward Model / Process RM）、RL策略训练（PPO/DPO/GRPO等），持续提升模型推理质量与对齐效果；
- 探索强化学习前沿技术并推动落地，包括但不限于：推理时计算优化（Test-time Compute）、基于搜索的推理增强、多步Agent决策优化、在线学习与自我进化；
- 将大模型能力与美团搜索、推…
- 计算机科学、自动化、数学、统计学等相关专业硕士或博士，扎实的数学基础和编程能力；
- 精通强化学习核心算法（Policy Gradient、PPO、DPO、GRPO等），理…
关于 美团
同公司其他岗位
全部在招岗位 →加载中…
相似岗位
数据来源：腾讯招聘官方接口 + 美团招聘官方接口 + 网易招聘官方接口 + 字节跳动招聘官方接口 + 各企业官方招聘接口 · 更新于 2026-11-10，为快照数据，可能已变动。 请以 官方职位页面 为准。