薪酬概览
平均月薪
¥21100
中位数 ¥0 ｜ 区间 ¥15200 - ¥27000
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
60% 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
1
对比上月：岗位减少0
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 |
|---|---|---|
| 不限经验 | 1 | 100% |
热招职位
1.负责腾讯体育、腾讯视频海外版、腾讯视频AI影视表达工作室等业务的推荐算法、AI agent 等工作；
2.推荐场景算法持续优化，助力业务体验升级；
3.开发和优化业务场景内AI agent基础设施，提升用户交互体验；
4.前沿技术的研究和探索，包括但不限于 深度学习、强化学习、LLM、 RAG 等；
5.与产品和工程团队紧密合作，推进模型在相关业务中的部署和落地。
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。
1.2027 届应届毕业生，计算机科学、人工智能、电子工程、自动化等相关专业硕士 / 博士学历。
2.具备扎实的机器学习理论基础，熟悉常见机器学习算法（监督学习、无监督学习、强化学习等），掌握大模型训练范式（预训练、SFT、RLHF/对齐等），熟练使用主流深度学习框架（如 PyTorch）。
3.在 VLA、VLM、World Model、端到端感知 / 决策大模型、扩散模型 / 生成模型等方向之一有研究、项目或论文经历者优先。
4.有较强的编程能力，熟练掌握 Python、C++ 等编程语言。
5.具备良好的数学基础，包括线性代数、概率论、统计学等。
6.对前沿学术研究有兴趣和热情，对纵向科研有持续爱好；有较强的学习能力和创新精神，对自动驾驶技术有浓厚兴趣。
7.具备良好的团队合作精神和沟通能力，能够承受一定的工作压力。
1、扎实的编程能力，熟练掌握 Python，熟悉常用深度学习框架（PyTorch 等）；
2、了解大语言模型（LLM）的基本原理与应用，有 Prompt Engineering 或模型微调经验；
3、具备以下至少一个方向的实际项目或研究经验：
-大模型应用 / Agent 构建
-强化学习（RLHF、PPO、Reward Modeling 等）
-对话系统 / NLP
-数据处理与分析
-良好的自驱力与沟通能力，能独立推进研究课题
【加分项】
1、在 ACL、EMNLP、NeurIPS、ICML、ICLR、AAAI 等顶会发表过论文；
2、有AI 相关岗位实习经验；
3、有 Agent / Multi-Agent 系统、仿真平台相关项目经验；
4、熟悉智能座舱、智能驾驶或车载交互相关领域。
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。
我们正在寻找世界模型算法专家，一同构建高质量、高可控、实时可交互的长时序视频生成模型，完成核心算法的优化探索和业务落地，为下一代自动驾驶系统提供高保真度和鲁棒性的评测和训练环境。
1、通用视觉表征构建： 负责 VAE 等底层表征模型的探索与深度优化，大幅提升图像/视频特征的重建质量与时空压缩率，为世界模型构建高保真、强泛化性的通用视觉表征；
2、长时序生成： 深入探索实时可交互视频生成范式，参考并改进Self-forcing等前沿架构，突破超长时序环境生成的质量和一致性瓶颈；
3、实时交互与加速： 研究并应用 DMD2 等前沿模型蒸馏与加速算法，大幅降低视频生成延迟，实现毫秒级的基于动作（Action-conditioned）的闭环环境响应；
4、架构设计与优化： 参与交互式世界模型的底层架构设计、模型训练与工程优化，支持自动驾驶端到端算法的仿真验证；
新能源汽车所有业务相关的软件开发、设计、测试，包括但是不限于以下方向：
1. 整车控制算法，整车上下电管理、故障诊断、热管理、驱动控制、巡航、限速、换挡、差速控制、附件控制等算法；
2. 电池管理算法，动力电池状态估计、故障监控、热管理、高压控制、绝缘监控等算法；
3. 电机控制算法，主驱电机和辅助电机的控制、故障诊断、主动加热、弱磁控制等算法；
4. 车载充电机算法，单/三向充电机整流、逆变算法，各国充电桩交互等算法；
5. DCDC算法，低压电源管理和直流电源变换算法；
6. 动力域控算法，结合以上算法内容，融合制动、转向、稳定性控制等多域融合算法。
1. 计算机科学、人工智能、信号处理、声学等相关专业硕士及以上学历；
2. 精通3A算法原理与工程实现，熟悉语音识别（ASR）、语音合成（TTS）、语音对话与理解大模型等技术，有实际项目经验者优先；
3. 熟练掌握Python、C++等编程语言，熟悉TensorFlow、PyTorch等深度学习框架。
4. 具备扎实的机器学习、深度学习基础，熟悉Transformer、BERT、GPT等预训练模型。对人机语音交互、智能体技术有浓厚兴趣，具备良好的跨团队协作能力与技术攻坚意识。
5. 在相关会议期刊（如ACL、EMNLP、ICASSP、Interspeech等）发表过相关论文优先。
1. 负责智能座舱场景下多模态大模型的性能优化，包括但不限于模型量化、剪枝、蒸馏等加速方法，以确保模型在端、云、端云混合等不同计算架构下的高效运行。
2. 深入挖掘不同边缘设备的硬件特性，适配和优化多模态大模型，在计算资源和模型精度之间做出权衡，通过技术创新和优化策略获得性能更优的模型，确保在资源受限的环境能高效运行。
3. 参与分布式训练及推理框架的落地与优化，提高大规模数据处理性能及硬件资源利用率。
4. 优化智能座舱场景下多模态大模型与其他算法模型（DMS\OMS、语音）的协同推理全链路。
1、计算机、人工智能、自动化、电子信息、数学等相关专业，硕士及以上学历；具备突出研究成果或丰富工程经验者可放宽学历要求；
2、具备 5 年及以上多模态大模型、语音大模型、视觉语言模型或具身智能相关研发经验，主导或深度负责过模型研发、训练或部署落地中的关键环节；具备突出研究成果或同等能力者可适当放宽年限要求；
3、深入理解 Transformer、LLM、VLM、语音大模型及多模态生成模型原理，对模型规模扩展规律、数据工程、后训练方法和效果评估有系统认知；
4、在跨模态对齐、流式音视频建模、端到端语音交互、大规模训练与后训练、智能体规划或推理优化中的至少一个方向具备深入积累和可验证成果；
5、熟练掌握 Python、PyTorch，熟悉 C++ 及主流分布式训练框架，具备性能分析和复杂工程问题定位能力；
6、算法工程师方向重点考察大规模训练、系统工程、性能优化及真实场景落地能力；研究员方向重点考察原创算法、研究深度以及论文、专利或开源成果；
7、具备较强的技术前瞻性、架构设计能力和结果意识，能够独立定义复杂问题、推动跨团队协作并对关键项目交付负责。
加分项
- 具备大规模多模态模型分布式训练、数据治理、训练稳定性优化或完整后训练经验；
- 熟悉实时音视频、低时延流式交互、机器人智能体或真实物理世界多模态应用；
- 具备端侧部署、模型压缩、异构计算优化经验，或有代表性的论文、开源项目及专利成果。
我们的技术团队，
致力于为阿里业务提供高效、稳定的AI基础设施，算法工程基于对算法、引擎和高性能算力资源的理解，为超大规模的分布式训练/推理等AI业务提速、降本，协同AI引擎、调度系统、高性能网络及异构硬件的co-design，突破LLM/AIGC等机器学习任务的算力和性能瓶颈; 为阿里大模型业务的迭代、落地提供高效率的算力底座，系统性评测AI算法的效率和性能热点，准确评估算法在计算、存储、网络通信及I/O方面的资源需求及演进趋势，探索优化加速方案并系统化落地，万卡规模高性能数据中心的AIOps智能运维，自动化诊断和规避软硬件故障，支撑算法稳定迭代，开源AI框架、自研AI芯片平台的适配和性能调优；
与该领域密切相关的技术方向：AI infra, GPU资源调度，高性能RDMA网络，大模型训练/部署，软硬件联合优化，算法性能评测/调优，aiops/chatops。
我们的技术团队，
致力于深度学习从特征计算到训练及预估引擎端到端的平台建设(XDL)，包括当前重点发展的图表征学习，正在定义大数据AI技术的未来；以广告/推荐/搜索引擎平台支持包括淘宝、天猫、菜鸟、优酷乃至海外电商在内整个集团的推荐与搜索的业务，也支撑集团的商业营销平台阿里妈妈，同时也通过阿里云对外部客户提供相应的搜索和推荐产品，我们支持各种深度学习网络的灵活拆分，支持超TB的模型，驱动异构计算和实时计算的发展，不断追求效率的极致，更重要的是，我们还拥有多项领先的算法技术，是阿里巴巴技术驱动商业变革的核心引擎。
与该领域密切相关的技术方向：统一的索引/图/模型存储召回/排序/预测的图化执行/在线图计算/路径索引与检索/在线引擎Serverless/图表征学习与向量匹配/全链路算法迭代平台/DL特征计算与建模框架/DL训练与预测加速/端上智能/结构化搜索/图像搜索/搜索与推荐云服务。
1.统筹新店开业全流程运营管理，包含排期、上下游作业对接等，确保按时交付。优化开店作业SOP。
2.拉通跨部门（设计、工程、运营、物流等）协作。协助制定新店运营计划（人员培训、货品陈列、促销活动等）。
3.开店团队能力建设和培养，带领开店团队主导新店筹备期现场作业落地，并支持开业前1周的运营关键阶段，解决系统调试、供应链衔接等问题，对开业前期运营结果负责。
【北斗实习】大模型应用算法工程师-【Reasoning能力提升】
【课题说明】通用模型往往难以兼顾多样化的场景需求，容易出现泛化能力强但针对性不足的问题。针对这一挑战，本课题聚焦于研究面向具体业务或应用场景的强化学习训练优化策略，通过引入场景特定的奖励函数、环境建模和数据采样机制，提升模型在特定任务下的表现能力与适应性。课题重点突破模型在细粒度场景下的泛化能力不足、奖励稀疏、训练效率低等问题，为大模型的行业落地提供有力支撑。【建议研究方向】1.场景特定奖励设计：针对不同业务场景，定制化设计奖励函数，提升模型在目标任务中的表现能力。
2.环境模拟与数据生成：构建高保真场景模拟环境，开发高效的数据采样与生成机制，提升强化学习训练效率。
3.迁移与泛化能力增强：研究多场景迁移学习与元强化学习方法，提升模型从通用能力到场景定制能力的转化效率。
4.推理增强型RAG系统：基于图结构的知识融合、混合模型的协同推理架构和强化学习驱动的优化方法，进一步提升RAG系统能力。
5.基于价值观约束的大模型风险控制与安全防护。