北京人工智能算法工程师
人工智能算法工程师是一种专注于开发和优化人工智能系统的专业人士。他们的工作涉及设计、实现和优化各种机器学习和深度学习算法，以解决现实世界中的复杂问题。这些问题可能包括自然语言处理、计算机视觉、数据挖掘、预测分析等各种应用领域。人工智能算法工程师需要具备扎实的数学和计算机科学基础，熟悉各种机器学习框架和工具，如TensorFlow、PyTorch等，同时也需要对神经网络、优化算法、统计学有深入的理解。他们通常在团队中与数据科学家、软件工程师和产品经理合作，共同开发和部署人工智能系统。这是一项富有挑战性和创造性的工作，同时也是当前人工智能领域中的热门职业之一。
薪酬概览
平均月薪
¥24600
中位数 ¥24000 ｜ 区间 ¥18700 - ¥30400
数据来源：谈职全网62份招聘数据；更新时间：2026年7月13日
月薪分布
62.9% 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
44
对比上月：岗位减少45
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 |
|---|---|---|
| 应届 | 11 | 27.5% |
| 1-3年 | 2 | 5% |
| 3-5年 | 5 | 12.5% |
| 5-10年 | 20 | 50% |
| 不限经验 | 2 | 5% |
热招职位
本岗位覆盖以下主要技术方向：
1.方向一：文本/多模态预训练• 设计和优化千亿级参数大模型的分布式训练系统，支持文本基座预训练和原生多模态训练的正确性、性能和稳定性• 负责训练框架核心模块（通信、调度、容错、Checkpoint、数据加载）的架构设计和性能优化，在同等硬件条件下持续提升训练吞吐• 协同算法迭代和硬件演进，针对新模型架构（MoE、超长序列、多模态融合）快速完成训练适配和性能验证• 作为工程Pipeline的上游起点，持续推进训练Infra的架构迭代方向2.方向二：强化学习框架• 构建并提升在线RL训练系统的性能和Scale能力，打通策略更新、环境交互、奖励建模的端到端训练流程• 支持Chat/Thinking/Agentic以及未来多种RL范式（PPO/GRPO/DPO等），和算法Codesign推进RL架构迭代• 设计高效的Actor-Critic架构、经验回放机制和分布式采样系统• 负责RL训练的性能瓶颈分析和优化，包括GPU利用率提升、通信开销降低、训练稳定性保障3.方向三：异构算力适配• 建设迭代多种异构算力（GPU/NPU等）的验证和适配方案，包括稳定性保障、精度验证和高性能runtime• 开发调优GPU和NPU架构的通信算子，推进超节点架构的最佳实践• 面向RL采样场景，深入优化NPU架构的推理性能• 跟踪硬件生态发展，评估新硬件的技术价值，输出选型建议和规模化落地方案4.方向四：高性能内核• 定制开发高性能计算内核，深入发掘GPU/NPU等不同硬件架构的优化空间• 推进算子开发范式的迭代，探索自动化算子生成（如LLM辅助生成高性能kernel）
1.负责企业内部财务信息系统的AI功能设计与落地，实现AI大模型应用及智能体开发应用。
2.主导AI技术与企业内部系统的集成对接，完成AI模块的开发、调试、部署及优化。
3.参与AI应用架构设计（设计、集成）与开发，包括提示词工程、RAG（检索增强生成）、Agent、模型推理优化、服务化封装与API化输出。
4.负责数据清洗、标注、特征工程、数据集构建与质量管控，负责机器学习、深度学习等相关算法的研究、应用、训练、调优与实现。
5.深入理解业务需求，参与AI项目设计与开发，将算法模型应用于实际场景。
6.探索AI能力在财务数字化场景的落地应用，包括智能审核、智能识别、智能分析、智能报告、智能风险预警等。
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.负责大模型推理引擎的研发和优化，包括推理系统优化、模型量化压缩和模型部署；
2.负责开发和维护基于大规模数据的推理引擎；
3.参与解决推理过程中的技术难题，提升推理算法的性能和效果；
4.开展相关领域的技术研究，提出创新性的解决方案。
1. 负责食杂零售搜推算法策略迭代，优化用户搜推体验，提升点击率、转化率等核心指标2. 应用先进技术手段，优化意图理解、召回、搜索相关性、排序、流量调控等算法模块效果，显著提升用户体验和转化效率3. 紧跟业界大模型、agent 前沿进展，积极学习新的模型结构和 agent 认知，探索在食杂业务落地的可能性4. 与其他团队密切合作，实现高质量的产品和解决方案。
数据技术及产品部-大模型算法研发工程师-LLM&Agentic RL
1、负责Agentic大模型相关算法开发与优化，开发性能达到业界sota的Agentic大模型并能在实际业务场景中应用落地
2、针对Agentic模型的训练特点，探索Agentic数据的合成策略与后训练数据配比策略，探索稳定高效的Agentic RL 方案，持续迭代模型在Agent场景的应用性能
3、探索创新Agentic RL算法，撰写发表创新论文或技术报告，参与模型开源，和社区、学术界保持良好的交流。
1.计算机、人工智能、数学等相关专业硕士及以上学历；
2.扎实的编程基础，熟练掌握PyTorch，熟悉llama-factory, VeRL/ROLL等训练框架；
3.深入理解LLM/MLLM原理，具备大模型Post-training（SFT、RLHF/RLVR）实战经验，熟悉RAG、Agent技术栈；
4.具备Agentic Search理念，能够将Agent框架与电商搜索场景结合，形成完整技术闭环；
5.在NeurIPS、ICLR、ICML、SIGIR、KDD等顶会发表论文，或具备开源项目贡献、竞赛获奖经历者优先；
6.强烈的好奇心、自驱力和业务敏感度，善于在复杂业务中挖掘技术突破点并推动落地。
1、具备优秀的编码能力，扎实的数据结构和算法功底;
2、熟悉大规模机器学习/深度学习算法；
3、具有如搜索/推荐/广告等相关领域经验，时刻关注业内前沿技术；
4、对技术有热情，兼具务实且创新的精神，热衷于在实际工作中发现问题、验证问题、不断提出自己的想法和技术方案；
5、有良好的沟通表达能力, 具有团队精神, 有良好的团队协同能力；
1、负责手机游戏性能与功耗问题的算法级定位与数据分析，建立性能功耗的量化归因模型；
2、负责手机游戏触控时延的算法分析与链路优化，识别关键瓶颈并提出针对性算法方案；
3、跟踪并洞察游戏领域最新图形渲染算法、性能优化技术与端侧AI应用趋势。
1. 多模态算法研发与优化
主导或参与座舱多模态交互核心算法的研究、开发与迭代，包括但不限于：
视觉感知：驾驶员/乘客状态监测（DMS/OMS）、手势识别、视线追踪、唇语识别、舱内活体检测。
语音交互：全双工语音对话、声纹识别、情感识别、语音降噪与增强。
多模态融合：基于视觉+语音+触控的意图理解、多模情感计算、多模消歧与协同。
持续跟进学术前沿，将Transformer、大模型等先进技术应用于座舱场景，提升算法精度与效率。
2. 车载场景化落地与工程优化
针对车规级硬件（如高通、瑞萨等座舱芯片）进行算法轻量化、低功耗化与性能优化，确保满足实时性要求（如DMS响应延迟 ＜ 100ms）。
解决车载实际场景中的挑战：复杂光照、遮挡、座舱噪音、低算力约束等。
主导算法从原型到量产的全流程，包括数据采集、模型训练、量化部署、效果评测与持续优化。
3. 数据闭环与系统集成
构建并维护高质量的座舱多模态数据集，设计数据采集、清洗、标注流程。
与软件、测试团队紧密协作，将算法模块集成至座舱软件平台，并完成实车联调与效果验证。
建立算法效果的数据监控与自动化评测体系，推动基于真实数据的算法持续迭代（数据闭环）。
4. 车规级安全与可靠性保障
确保算法符合功能安全（ISO 26262）与预期功能安全（SOTIF） 的相关要求，为关键功能（如驾驶员分神监测）提供可靠保障。
参与制定相关算法的安全测试方案，完成失效模式分析与冗余设计。
5. 前瞻预研与技术规划
探索下一代座舱多模态交互技术方向，如大模型在座舱的本地化应用、舱内3D场景理解、脑机接口等。
撰写技术专利，参与行业技术标准讨论，提升团队与公司的技术影响力。
具体职责包括但不限于：
1. 负责自然语言处理尤其是大模型领域的前沿技术创新研发；推动语言模型、知识表示、机器翻译、长思维链推理、对话系统、文本生成等关键技术和核心问题的解决，形成高引用论文和高价值专利，积极探索相关技术落地应用；
2. 负责追踪最新技术和热点，优化、改进现有技术和系统，提升系统的性能和效率，在内外部业务场景验证，形成业内领先的技术服务能力和体系；
3. 负责业务技术需求的支持，针对业务场景的真实需求，设计合理的技术方案和路线，通过技术创新和业务验证，实现业务价值和效率的提升。
研究方向：
- 大模型训练方法和模型框架优化
- 大模型知识和推理能力研究
- 大模型高性能推理研究
- 领域大模型研究
- 跨模态大模型研究
- 文本生成任务的质量评估办法研究
- 融合外部知识的文本生成研究
1、医疗护理背景，协助跟进项目进度并推动落地、实施和目标达成；
2、收集客户反馈意见和反馈信息，对客户咨询量、转化率等进行分析与统计；
3、擅长数据分析，能利用数据对日常业务提供决策依据，以周/月/季/年度定期形成分析报告，提出工作改善建议；
4、针对客户需求、画像与业务关联进行挖掘分析，支持营销、服务和产品策略。
