这条 JD 在招什么人
做 LongCat 大模型后训练与效果评测的算法工程师。美团口径是业务落地色彩重：LongCat 最终要接到店、外卖、客服这些真实场景里，模型好坏直接由业务指标说话。这个岗位两头都要管：一头是 SFT、DPO 的数据构造与 RL 训练，一头是评测体系——线上效果怎么看、离线评测怎么对得上线上。美团面经在这个方向密度很高：数据怎么配、reward 怎么设、OOD 场景崩了怎么救、线上线下不一致怎么排查，每一环都有对应的面经方向。
业务场景推测
大概率是 LongCat 的对话与理解能力迭代：客服对话、到店评价理解、外卖场景的商家与用户文案任务；评测侧大概率要建线上线下一致性体系（置信度：中，基于公开业务布局推断）。美团场景数据的特点：短文本、口语化、地点与商品实体密集，配送与售后话术对安全性的要求高。
硬技能：必须会什么
- 后训练数据：SFT 与 DPO 数据怎么造、怎么配（SFT/DPO 数据）
- 偏好与奖励：reward 设计的常见坑（reward 设计）
- RL 训练：这个场景为什么选 GRPO 不选 PPO（GRPO vs PPO）
- 稳定性：OOD 场景效果崩塌的判读与应对（OOD 崩塌）
- 评测：LLM 裁判的用法与失效场景（LLM 裁判）、金标集怎么建（金标集）
- 线上评测：线上线下指标怎么对齐（线上评测）
加分项：什么能拉开差距
- 数据分布变化有实战：训练分布与线上分布漂移的监控和处理（分布漂移）
- 业务指标与模型指标的映射经验：答准率提升怎么折算成客服转人工率下降
- 独立跑通过 DPO 或 GRPO，能展示数据规格与训练曲线
- 本地生活领域的实体理解经验（店名、菜品、地址）
JD 没写但面试会问
- SFT 数据和 DPO 数据的构造差异、各要多少条（美团面经高频）
- reward 被钻空子怎么发现、怎么改
- 线下评测涨点、线上没效果，怎么排查（高频）
- OOD 请求效果崩了，数据层面怎么补
- LLM 裁判打分不可信怎么办
能力模型
| 层 | 内容 | 达标线 | | --- | --- | --- | | 基础层 | SFT/DPO/RL 流程 | 公式级理解 | | 数据层 | 数据构造与配比 | 有完整方法论 | | 评测层 | 离线评测、线上对齐 | 搭过评测集 | | 业务层 | 场景指标折算 | 能对到业务指标 |
简历怎么改
- 训练经历写「数据-配置-指标」；评测经历写「集怎么建、信度怎么验」
- 线上线下对齐的经历直接写进第一行，这是最稀缺的经验
- 业务场景词显式写：客服、到店、外卖，帮面试官对号入座
- 别只写「负责模型效果」，写清楚哪次迭代带来了什么变化
项目建议
- 评测集复现：给一个开源对话模型建金标集，测 LLM 裁判与人工标注的一致率
- DPO 数据消融：不同偏好对构造方式的效果对比
- 美团全部方向的题库见美团公司聚合页
- 直接用项目匹配器按你的基础和可用时间生成方案