薪酬概览
平均月薪
¥28600
中位数 ¥0 | 区间 ¥19200 - ¥38000
数据来源:样本数量过少,仅供参考;更新时间:2026年7月13日
月薪分布
80% 人群薪酬落在 15-30k

三大影响薪酬的核心维度
影响薪资的核心维度1:工作年限
影响薪资的核心维度2:学历背景
市场需求
6月新增岗位
4
对比上月:岗位新增3
数据由各大平台公开数据统计分析而来,仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 1-3年 | 4 | 100% |
热招职位
1、负责图像(2D/3D)和点云领域的核心自动驾驶真值构造算法研发与优化,包括但不限于:通用障碍物、多传感器融合、VLM\VLA、语义实例分割、多目标跟踪等;
2、探索并将最前沿的深度学习大模型(VGGT、World Model、Occupancy Networks等)应用于云端真值系统;
3、对感知模型的性能瓶颈进行深度分析和攻关,持续提升算法在精度、速度与稳定性上的表现。
1.负责火龙漫剧/视频业务的推荐与搜索技术研发(包含但不限于传统搜推、LLM4Rec、AI搜索、生成式推荐等),提升用户体验,用户消费与时长,用户转化与留存等核心业务指标;
2.根据场景特点和产品定位,对全链路算法体系进行深度理解与优化,持续优化推荐/推荐算法;
3.结合大模型技术,升级推荐技术,提升推荐效果,解决实际业务问题;
4.紧跟学术界、工业界的前沿技术,结合实际的业务场景进行算法开发、落地,实现团队技术和业务的共同发展。
1.Agent 后训练算法设计与实现:主导基模大模型的 Agent 化后训练方案研发,包括指令微调(SFT)、奖励模型(RM)训练、强化学习(RLHF/RLAIF)优化,聚焦任务规划、记忆机制、工具调用、多轮对话一致性等核心能力提升。;
2.后训练数据体系构建:设计 Agent 后训练数据的采集、清洗、标注与迭代策略,涵盖通用指令集、任务型对话数据、工具调用样本、多模态交互数据等,建立数据质量评估与筛选机制,优化数据分布与多样性。;
3.Agent 能力优化与突破:针对 Agent 在复杂任务拆解、跨领域知识迁移、动态环境适配等场景的痛点,研发创新后训练算法(如分层任务规划训练、多智能体协作训练、反幻觉优化),提升 Agent 的决策准确性与鲁棒性。;
4.工程化落地与系统协作:搭建高高效后训练流水线,支持大规模数据并行处理、分布式训练(DDP/FSDP)与模型压缩部署;与产品、工程团队协作,打通 “后训练 - 评测 - 迭代” 闭环,适配不同场景下的 Agent 产品需求。;
5.技术创新与沉淀:跟踪大模型 Agent 领域前沿技术(如 LLM+Planning、Tool Learning、Multi-Agent Interaction),主导核心技术攻关与专利申请;输出可复用的后训练算法组件、技术文档与评测基准,推动团队技术能力沉淀。
1.多模态数据体系构建:设计并实现 VLM 预训练数据的采集、清洗、标注全流程方案,涵盖通用图文对、OCR 数据、Visual Grounding/Counting 数据、3D 空间理解数据及视频时序数据等多类型数据,建立数据质量评估体系(如 CLIP 相似度过滤、标注一致性校验)。;
2.数据算法创新设计:研发多模态数据对齐算法,优化视觉 - 语言模态映射策略;设计高效数据增强方案,包括图像形变、文本扰动、跨模态混合增强等,提升模型鲁棒性与场景适应性;探索自动标注与数据合成技术(如 Grounding DINO 自动框标注、LLM 辅助问答生成),降低标注成本。;
3.预训练数据策略优化:结合 VLM 预训练目标(模态对齐、上下文学习、复杂推理),设计数据配比方案与训练数据筛选策略;迭代优化数据配方,解决数据冗余、分布偏差等问题,提升训练效率与模型效果。;
4.工程化落地与协作:搭建高吞吐率数据处理流水线,支持大规模多模态数据的并行处理与分布式训练适配;与模型训练团队协作,打通数据 - 训练 - 评测闭环,提供定制化数据解决方案;跟进 NVILA、InternVL 等前沿技术,推动数据算法的工程化落地。;
5.技术沉淀与创新:跟踪 VLM 领域数据相关前沿研究(如预训练数据设计、模态融合策略),主导技术攻关与专利申请;输出可复用的数据处理算法组件与技术文档,建立团队数据算法基准体系。
1、 基于电力交易多重市场规则约束,研发和构建优化算法,实现收益最大化。
2、 承担线性规划、混合整数规划、鲁棒优化和启发式等算法的研发、设计和部署等工作。
3、 负责业务与算法融合,算法模型产品化落地,包括业务建模、算法设计、实现调优等。
4、 负责与交易团队,产品、生产部门对接,确保策略的准确实施,根据规则变化完成算法优化及迭代。
5、 完成公司和领导安排的项目汇报及其它事务。
我们要寻找一位对数据安全和人工智能充满热情的大模型应用算法工程师加入我们的团队。在这里,你将加入一个充满热情的技术团队,参与构建智能化的数据安全防护体系,利用前沿的机器学习与数据挖掘技术,探索大模型在数据安全领域的深度应用。
具体职责包括但不限于:
● 大模型微调与实战 参与开源大模型的后训练(SFT、RL)与效果调优;针对具体的数据安全场景(如敏感词识别、API 风险检测),优化模型推理效果与性能。
● 数据处理与工程化 参与高质量训练数据集的构建,编写自动化脚本进行数据清洗、增强与合成(Synthetic Data);协助解决模型部署中的工程问题,提升服务稳定性。
● 算法落地与迭代 利用 NLP 技术(如 NER 实体识别、文本分类)解决实际业务中的隐私保护问题;持续跟踪测试最新的 RAG、Agent 技术,并在业务中尝试落地。
● 前沿技术复现 跟踪学界/业界在 LLM 与安全结合领域的最新论文与技术报告,快速复现并验证其在内部场景的有效性。
1、计算机或相关专业硕士及以上学历;
2、扎实的算法和编程能力,熟练掌握Pytorch, C++/Python中至少一门语言;
3、使命驱动,对数字人技术有热情,能够用技术推动业务进步和变革;
4、有3D建模/Diffusion/GAN/视频生成的一项或多项相关经验, 对相关算法模型和优化有深刻理解;
5、有相关领域论文发表优先
【愿景】建成全球持续领先、客户长期信赖的履约技术平台,打造市场首选、社会认可、服务10亿用户的配送品牌。【你将参与】方向一:Agent技术体系研究与落地1.设计并构建面向真实业务场景的Agent技术体系,涵盖任务规划、工具调用、多轮推理、自我反思与纠错等核心模块2.深入抽象业务核心问题,建立可量化的评估反馈信号,驱动Agent在复杂履约场景中实现可度量的效果提升3.探索Multi-Agent协作框架,研究Agent在千万级并发场景下的可靠性、安全性与成本效率方向二:LLM后训练算法研究1.负责面向特定业务场景的指令精调(SFT)、偏好对齐(RLHF/DPO/GRPO等)全链路研究与工程落地2.研究ScalableOversight、持续学习、AI和环境反馈的强化学习(RLXF)等前沿方向。
同时探索奖励模型与反馈机制、可泛化的细粒度过程监督和奖励建模等,提升模型在复杂推理与工具调用任务上的能力上限3.主导训练数据的质量工程,包括数据清洗、合成数据构建及标注流程设计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方向三:评测与数据体系建设1.设计覆盖Agent行为、模型能力、业务指标的多维评测体系,建立自动化的诊断与归因链路2.与业务团队深度协作,构建端到端的训练-评估-迭代闭环,将研究成果转化为线上可量化的业务收益方向四:前沿跟踪与对外输出1.持续追踪NeurIPS/ICML/ICLR/ACL等顶会最新进展,具备将前沿论文快速工程化落地的能力2.鼓励将内部研究成果整理为学术论文,向行业输出技术影响力
1.负责VLM Agent核心能力研发,包括但不限于多模态理解(图像/视频+文本)、指令遵循、自主规划、工具调用、记忆机制设计,实现Agent在特定场景的端到端自主决策与执行能力;
2.参与VLM模型的微调、适配与优化,结合Agent业务场景需求,提升模型的需求理解、工具使用和推理总结能力,提升跨模态交互流畅度和视觉理解精度等;
3.负责 VLM 基础模型能力的边界探索,研究基于强化学习的视觉推理增强技术,优化模型架构与推理策略,持续提升模型在细粒度视觉感知、复杂 UI 理解与跨模态逻辑对齐等高难度任务上的表现,探索 VLM 的 Scaling Law 新路径;
4.结合业务场景,梳理Agent应用需求,推动VLM Agent从原型验证到产品化落地,迭代优化产品体验;
5.跟进VLM与AI Agent领域前沿技术(如复杂任务规划、Think with images、RL 等),开展技术预研与创新,将前沿技术转化为实际业务价值。
1.负责自动光学检测项目的需求评估、分析、设计与开发相应的视觉处理算法,涵盖基于2D/3D的测量、定位、检测、识别,包括但不限于工业质检、异常检测、机器人引导等方面的应用;
2.负责日常图形图像和点云数据处理、计算机视觉相关算法研发,以及在项目应用中对核心算法的优化和迭代;
3.负责整理和训练数据,评测深度学习模型的关键指标;
4.负责与软件、硬件、结构等同事的联调测试,实现视觉算法的落地与应用、运营问题排查和算法迭代;
5.负责内部研发工具的开发与迭代,和撰写算法文档、专利文档。
1、探索可用于自动驾驶/机器人场景VLA的、有3D感知能力和物理世界常识VLM基座技术
2、通过重写、扩充和生成等方法合成大规模、高质量的数据;如指令调优、偏好对齐、模型优化以提高LLM在各个阶段(预训练、SFT、RLHF)的能力
3、开展大模型算法研究,包括但不限于:多模态LLM/VLM的预训练/监督微调/强化后训练、LoRA/P-Tuning等高效微调,模型量化、分布式部署算法,实现大模型算法研究与应用
4、探索可用于自动驾驶/机器人等业务场景世界模型的前沿4D重建与生成模型技术
5、进行基于VLA/世界模型/闭环强化学习的自动驾驶下一代算法方案研发
6、进行机器人场景VLA/世界模型/闭环强化学习的模型技术研发
7、进行通用的大模型/自动驾驶/机器人等场景模型训练及推理优化的技术研发和积累,包含形成工具链和文档化的训推优化方法论;持续跟进瓶颈分析、网络优化、文件IO优化、计算图优化、算子优化、DP/TP/PP/EP前沿训推优化技术,探索创新的结合自建AI超算集群的训推优化技术
1、VCU软件维护与集成: 负责VCU应用层软件的日常维护、Bug分析与修复;完成通讯矩阵及整车需求的适配。
2、控制算法开发: 开发整车扭矩管理、能量回收及上下电逻辑;负责底盘动力学相关算法(如防抖动、平顺性控制)的设计与实现。
3、仿真验证与调校:负责MIL/SIL/HIL测试用例编写与执行;配合标定工程师进行实车调试,优化驾驶性表现。
4、工程文档管理:负责软件需求(SRS)、设计说明(SDD)及接口定义等开发文档的编写与维护。
1. AI Agent落地① 深度参与AI Agent融合出海交付流程,利用大模型能力,通过构建业务特异化Agent,探索出海系统交付新范式;② 持续优化agent能力,通过上下文压缩、工具链编排、记忆系统优化,提升agent输出稳定性,并构建Agent审核机制,保证agent输出的正确性;③ 跟踪 LLM、多模态前沿技术,结合 C 端出海业务开展 POC 验证,推动有价值方向进入落地路径。
2. 出海核心业务系统建设① 负责出海C端及相关系统的开发、迭代与优化工作,支持多国多地区业务快速扩张;② 主导海外多 Region 部署架构设计,解决跨地域数据一致性、网络延迟、合规存储等全球化系统挑战;③ 主导交易链路稳定性建设,推进全链路监控、告警、容量规划及故障预案体系落地,建立完善的 SLO / SLA 保障机制;④ 深度参与资金安全相关建设,保证出海业务资金安全、用户资金安全,为用户提供体验流畅、资金安全的产品体验;


