清华大学-美团数字生活联合研究院（下简称“联合研究院”）成立于2021年4月，宗旨是立足科技前沿，围绕数字生活，聚焦科技创新与落地，推动人才发展。联合研究院成立以来，依托美团丰富业务背景和真实产业问题，已启动60+项科研课题，希望借此连接美团技术团队与清华大学，搭建高效务实的产学研合作平台。
2026年，联合研究院继续开放议题，公开征集提案，并设置LongCat探索专项和AI应用专项，欢迎各位老师申报。
申请方法
清华大学全职教师、研究人员均可提交申请。申请者应具备良好的独立研究能力，并能带领学生团队共同投入课题。
1. 寻找您感兴趣的议题
请查看后文列表，寻找您感兴趣的议题。如有兴趣，请用您的清华邮箱（tsinghua.edu邮箱）联系meituan.oi@meituan.com，了解更多信息。您将在工作日24小时内收到议题详细信息。
邮件标题请包含「2026美团科研合作」，并提供您的姓名、院系和感兴趣的议题编码。
2. 准备并提交提案书
请您填写《提案书模板》，并通过在线申报（点击即进入）提交申请。
系统支持多次提交，以最后一次提交为准。
系统无法查看已提交内容，建议提交前在本地保留副本。
课题说明
1. 课题类型
课题分实践型与探索型两类。实践型课题面向解决实际业务需求，以业务落地为主。探索型课题面向前沿技术验证、新方法尝试、新领域探索。
两类课题成果均可包含论文、专利、报告、原型、技术方案、模型、代码等，最终交付物以具体课题需求和双方协商为准。
2. 课题周期
一般为12个月，也可按实际情况增减，最终以双方协商为准。
3. 资助与支持
（1）为课题提供经费支持，通常探索型课题10万~20万元，实践型课题20万~50万元。
（2）为每个课题提供不少于2个驻场实习生岗位。
（3）为每个课题提供tokens支持。
（4）为合作老师团队的应届生提供入职绿色通道。
（5）根据课题具体需求，在合法合规前提下提供脱敏数据集。
评审说明
我们将综合考虑申请者及团队的学术背景与投入度、提案与议题匹配度、提案技术价值、潜在业务价值和可行性。
评审分函评与终评两个阶段。函评阶段，您的提案会由多位美团技术专家交叉阅评，函评结果将通过邮件告知。
如您的提案通过函评，美团对应技术负责人会与您联系，共同讨论、调整、细化提案。终版提案将由3-5位美团资深专家和清华专家讨论评审，最终确定是否立项。
重要节点
申报截止：2026年4月26日（周日）24:00（北京时间）
终评结束：2026年6月底
说明
2026年美团也面向广大学者同步启动了《2026年美团科研合作课题公开征集》。各位老师申报一次即可。
联系我们
如有任何疑问，可随时联系我们：
美团科研合作部 meituan.oi@meituan.com
邮箱标题请注明「2026美团科研合作」。
扫描下方二维码或点击地址，获取在线申报地址。
在线申报
在线申报地址：https://wenjuan.meituan.com/m/survey/5607415
附录: 议题列表
LongCat 探索专项
本专项鼓励青年学者基于 LongCat 开展创新研究，共同推进大模型预训练、对齐、推理优化、量化压缩、多模态等方向的前沿探索，促进技术突破与场景应用。邀请青年学者参与模型共建，推动大模型研究成果的共创与繁荣。
L1 面向搜索场景的Context Management能力研究（探索）
L2 Proactive Interactive Deep Research系统的关键技术研究（探索）
L3 基于离散视觉Token的原生多模态大模型图文交错推理能力研究（探索）
L4 面向鲁棒规划的因果可干预世界模型研究（探索）
L5 面向真机数据匮乏场景的第一人称视频与仿真数据协同的具身操作泛化关键技术（探索）
L6 面向具身大模型的视觉-语言-动作（VLA）与世界模型融合关键技术（探索）
L7 基于视频生成的WorldActionModel数据管线构建与技术研究（探索）
L8 以人为中心的视频模型奖励机制与强化学习优化研究（探索）
L9 Training-free的基于few-shot的具身智能大模型(VLA)泛化能力研究（探索）
L10 面向真实世界任务的Rubric自动构建与泛化研究（探索）
L11 面向多模态大模型的高效压缩技术研究（探索）
L12 面向智能体系统的 Skill 自进化与持续迭代机制研究（探索）
L13 面向长周期服务的 Agent 动态记忆、群体仿真与持续认知进化机制研究（探索）
L14 面向智能体人机社会化协作的群体感知、能力传承与协同进化研究（探索）
L15 OpenClaw全链路推理提效研究（探索）
L16 面向生成场景的性能优化研究（探索）
L17 超低延迟交互式视频生成（探索）
L18 面向系统级复杂长程任务的多智能体训练研究（实践）
L19 Deep Research场景中开放域问题的研究报告生成优化（实践）
L20 面向多模态大模型的自动优化部署Agent关键技术研究（实践）
AI 应用专项
A1 广告场景长程复杂任务的大模型多智能体协作关键技术（实践）
A2 面向多目标的生成式广告混排与机制研究（实践）
A3 广告场景下端到端生成式模型的关键技术研究（实践）
A4 基于大模型的广告混排技术研究: LLM as Reranker（实践）
A5 搜索引导大模型和生成式技术研究（实践）
A6 面向生成式推荐与强化学习的训推框架优化（实践）
A7 基于多轮强化学习与深度循证的诊疗智能体关键技术研究（实践）
A8 面向大规模即时配送场景的时空全周期履约波次序列规划建模与求解体系（实践）
A9 差异化配送场景的定价调度协同机制与生态影响研究（实践）
A10 基于Agentic AI的运维效率优化（实践）
A11 面向弱结构视觉资产的物理空间世界模型研究（实践）
A12 面向企业知识库的异构多模态文档检索与置信度校准等关键技术研究（探索）
 附件：2026年清华美团数字生活研究院科研合作课题FAQ.pdf
|
