薪酬概览
平均月薪
¥31300
中位数 ¥0 ｜ 区间 ¥24500 - ¥38100
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 >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
10月新增岗位
12
对比上月：岗位新增11
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 | 4 | 33.3% |
| 1-3年 | 8 | 66.7% |
热招职位
1、深入理解Linux Kernel文件管理、内存管理、CPU调度等一个或多个模块的核心算法与实现机制，能够进行算法级分析与优化；
2、掌握Linux Kernel的调试方法与主流的性能分析、测试工具，具备内核算法的端到端评测能力；
3、有终端设备相关开发经验者优先，例如内核裁剪、通用驱动开发或系统适配经验中的算法调优实践；
4、有内核性能优化经验或软硬件协同优化经验者优先，能够从算法层面进行性能瓶颈建模与优化方案设计。
1、负责机器人电机驱动及运动控制算法的设计与优化，包括轨迹规划、力矩控制、PID/自适应控制等模块；
2、研究机器人运动控制的前沿技术，提升系统在精度、稳定性和实时性方面的性能；
3、将算法部署到嵌入式平台，完成硬件-软件的联合调试，确保电机控制与机器人整体系统的协同运行；
4、支持技术团队解决产品开发中的复杂技术问题；
5、设计测试方案并完成算法性能验证，持续迭代优化控制策略以满足实际应用场景需求。
1、主导手机ISP（Image Signal Processing）核心算法开发，涵盖Denoise、Demosaic、HDR、Sharpen、Tonemapping、Color等模块，持续提升图像画质与主观体验；
2、基于手机器件特性（如Sensor、镜头、ISP芯片），设计并开发相应图像处理算法，实现软硬件协同优化；
3、跟踪学术界与工业界前沿技术（如深度学习在ISP图像信号处理领域的应用），主导AI-ISP算法模块设计与开发，推动算法创新与落地，优化从RAW域到YUV域端到端图像基础画质；
4、与软件、异构加速、调试等团队深度协同，完成图像处理算法在不同平台的移植与调优，优化性能功耗与画质的平衡问题。
1、光影算法设计与优化：
1）负责手机影像系统中光影算法的设计与优化，包括HDR（高动态范围）、动态范围扩展、对比度增强等，提升图像的光影表现和细节还原能力；
2）针对复杂场景（如逆光、背光、低光等）进行算法优化，提升图像的动态范围和细节保留能力。
2、动态范围与对比度优化：
1）研究并实现动态范围扩展算法，提升图像在高光和阴影区域的表现；
2）优化对比度算法，确保图像在不同光照条件下具有良好的视觉效果。
3、AI与深度学习技术应用：
1）探索并引入基于深度学习的光影增强算法，提升图像的光影表现和细节还原能力；
2）结合AI技术，优化光影算法的智能化水平，提升用户体验。
4、跨团队协作：
1）与硬件、光学、产品团队紧密合作，确保光影算法在实际产品中的高效应用；
2）参与跨部门项目，提供光影算法方面的技术支持和建议。
1、负责终端图形、显示领域前沿技术的算法洞察与价值论证，参与中长期算法技术路标制定；
2、牵头图形显示领域核心算法的策划与设计，包括渲染管线优化、画质增强、智能功耗调度等，指导算法落地并看护价值闭环，直接支撑产品竞争力；
3、负责安卓图形显示框架的算法架构看护与持续优化，包括HWUI、Skia、SurfaceFlinger、RenderEngine、HWC、Gralloc等模块的算法资产梳理与能力演进；
4、牵头终端产品图形、显示相关疑难问题的算法分析和攻关。
1.主导过推理任务优化项目（如数学、编程、逻辑问答），在权威推理评测中取得过显著效果提升；
2.以第一作者身份发表过 NeurIPS、ICML、ICLR、ACL、EMNLP、NAACL 等论文；
3.了解 GPU 硬件架构，有 CUDA 编程经验，熟悉各种网络底层算子实现细节。
【课题说明】以大模型对话技术为核心，探索前沿技术问题。研究方向包括角色扮演、个性化对话、记忆管理，拟人化，数字人等，主要业务场景包括运营，招聘，销售，审核等。目标是构建覆盖多个场景的Agent系统，实现“技术驱动业务范式”的升级转变。【建议研究方向】1. 大模型个性化（Personalized LLM）：通过角色扮演、用户行为数据挖掘与建模、上下文理解等方法，分析用户情感状态，提升模型的个性化回复能力。
2. 面向语音交互的拟人化技术（Voice Agent）：优化大模型在语音对话场景的效果，提升大模型的拟人化水平，探索下一代端到端语音对话大模型的技术实现。
3. 记忆管理与增强（Memory）：通过优化模型长上下文能力、设计记忆抽取与管理模块，提升系统的记忆能力。
4. 基于LLM的RL（LLM-based RL）：通过强化学习，提升模型规划、决策、推理等能力。我们将提供充足的计算资源和良好的工作自由度，目标是产出有影响力的工作，解决业务实践中的问题。
随着AI下半场的到来，传统的评测范式已经无法适配持续提升的模型能力，针对ChatBot模型的Arena评测的有效性也遭到质疑，如何面向现阶段以及未来的模型能力进行科学有效的评估本身也是个极具挑战和价值的研究方向。OpenAI研究者也表示，AI接下来比拼的不是训练，而是“如何定义并评估真正有用的任务”。在这样的背景下，美团大模型评测团队以指引通往AGI的道路为目标，深耕模型评测研究，系统性的理解大模型当前能力水平及未来技术发展方向，并以此为基础完善模型评测能力矩阵。团队工作方向包括但不限于：①构建科学有效的评测方案，为现阶段大模型提供有效的评测和分析手段，并面向未来模型储备评测技术，包括人机协同评测、产品化隐式评测方案、全模态交互式评测方案等；②结合训练和评测，对模型的能力进行建模及深入的理解和研究，包括能力体系构建、训练阶段分析、模型能力/问题溯源等；③探索模型能力边界，发现当前模型训练范式的局限性，寻求模型能力突破。本岗位涉及的方向包括：
1. Agent评测构建与方案探索，包括但不限于：通用模型的Agent能力评测与探索，Computer Use、Code Agent、通用搜索等产品级Agent的评测方案和分析。
2. 长周期人机协作与Agent能力边界探索，包括但不限于：Agent的异步交互、适时思考、记忆管理、自主学习等能力的评测方案及实践探索。
1.参与在线地图研发工作，包括物理元素（车道线、道路边缘、停止线、路面标识、人行道、交通标识牌、停车位等）和逻辑元素（车道中心线、交通标识牌车道绑定等）。
2.负责并研发规则算法（矢量化方法、时空关联跟踪融合方法），同时能够兼顾Learning based模型和多图源融合方法的研发。
【课题说明】面向 C 端用户的酒旅专业 AI Agent 项目，旨在构建具备需求理解、行程规划、商品推荐与专业问答能力的酒旅智能 Agent，为用户在行前、行中与行后关键决策环节提供可靠的智能支持。该 Agent 面向复杂出游需求与多约束决策场景，打通“咨询—规划—推荐—交易”的一体化酒旅服务链路，提升用户决策效率与酒旅服务转化能力，形成行业领先的智能出游入口。【建议研究方向】1. 酒旅专业 Agent 技术架构设计围绕酒旅场景的复杂任务拆解，构建覆盖需求理解、行程规划、商品推荐与酒旅咨询的专业子 Agent 体系，研究多 Agent 之间的协作机制与任务分工策略，支持用户多轮对话下的动态需求调整与规划演化。
2. 酒旅 Agent 自动化评测体系研究从酒旅专业性与用户体验两个维度，构建多维度评测 Benchmark，覆盖需求理解准确性、规划合理性、推荐匹配度与对话稳定性等核心能力；探索基于规则与模型裁判的 Auto-Eval 方法，提升 Agent 能力评测的效率与一致性。
3. 酒旅 Agent 模型后训练与数据构建探索酒旅领域的合成数据构建方案，快速积累高质量训练数据；结合 SFT、偏好对齐与强化学习等方法，持续提升模型在复杂规划、推荐决策与工具调用等关键任务上的效果与泛化能力。
【课题说明】外卖配送已经成为极大便利当代人生活的新基建，配送时间是精准匹配用户需求和履约能力的关键系统决策变量。传统的时间建模主要依赖“时空特征+深度回归”，虽能拟合历史规律，但在处理复杂因果关系、长尾小样本场景及系统级序贯优化时仍存在瓶颈。本项目旨在利用生成式大模型（LLM）的常识推理、多步规划与强大的表征性质，重构新一代时空决策框架。我们试图打破传统判别式模型的上限，通过“LLM + Decision Science”的深度融合，定义即时配送领域的技术新边界，为客户带来更好的服务体验。【建议研究方向】1. 知识迁移与新一代时空基础模型：利用 LLM 的预训练知识与元学习（Meta-learning）能力，设计适配时序与图数据的新一代时空表征架构。探索从“任务特定模型”向“时空通用基础模型”的转变，提升系统在复杂多变环境下的泛化精度，重点优化长尾小场景的建模精度2. 多商家选择视角的用户需求因果建模：研究如何将LLM的全局规划能力与因果推断（Causal Inference）深度融合。在多商家选择竞争下，利用LLM 辅助识别用户对时间的真实需求，构建反事实推理模型，实现有限资源下的用户需求与履约供给的最优匹配决策。
3. 基于 LLM-Agent 的系统级序贯规划：将配送时间决策建模为动态流水线中的时延分配（Deadline Assignment）问题。研究如何利用LLM 与强化学习（RL）构建具备自我演进能力的决策 Agent，在海量动态订单流中执行跨时段、跨区域的复杂规划，通过序贯决策寻找系统最佳承载量的最优解。我们将提供海量的真实业务场景数据、充足的计算资源、极高的探索自由度和1对1专家指导，目标是产出既有创新深度又能创造业务价值的新一代智能决策技术范式。
1、负责公司实验科学能力设计与建设工作，包括沉淀公司核心实验场景和实验方法论，建立实验流量资源协同管理及实验流程管理机制，打造公司整体实验科学管理体系；
2、参与实验平台建设，将实验方法论、实验科学管理机制通过平台化方式向业务方赋能，保障实验体系运行顺利，提高实验执行效率；
3、负责具体业务模块的实验设计、评估与分析工作，为业务提供科学可靠的实验结论及优化建议；
4、负责负责或不可实验场景下重要项目、策略的效果复盘分析与方法论建设工作，完善对应场景的科学评估能力。
我们正在寻找一位自动驾驶研发自有车队采集负责人,负责与公司司合规团队合作,规范化整体数据采集和运营流程。
1、您将负责梳理对应端侧和云侧的研发任务,制定研发排期,并并进行宣贯工作。
2、您需要设计采集的标准流程,确保数据上传符合下游预期,包括数据权限限隔离、合规性和高效性。
3、需要能够将该部分的工作快速进行标准化和工具化推动。包括但不限制于控制数居质量,交付速度等方面,并有能力购买或设计对应需求到相应的工具。