薪酬概览
平均月薪
¥36600
中位数 ¥0 ｜ 区间 ¥27600 - ¥45700
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
71.4% 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
8月新增岗位
27
对比上月：岗位新增23
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 | 3 | 12.5% |
| 3-5年 | 11 | 45.8% |
| 5-10年 | 7 | 29.2% |
| 不限经验 | 3 | 12.5% |
热招职位
1、负责研发自动驾驶系统中城市 NOA 场景的纯视觉occupancy 、feed-forward 3D Gaussian Splatting、world model和预训练任务等通用感知识别及端到端检测-跟踪-规划网络；
2、推进前向 3DGS（3D Gaussian Splatting）、SDF 表示学习及基于 World Model 的感知与决策融合算法在量产框架中的落地与优化；
3、负责持续验证、测试与数据驱动优化，联动测试团队处理真实驾驶场景中出现的长尾与异常情况；
4、跟踪前沿技术（如多模态融合、端到端 Transformer 架构、场景生成与预测），并结合业务需求转化为可靠可部署的工程方案；
岗位职责：
负责基于深度学习的多模态自动标注模型的设计、开发与部署优化。
负责各种交通元素的检测与高精度的 3D 几何恢复及矢量化，包含车道线、路沿、停止线、路面箭头、标志牌、交通灯等。
负责车道级路网拓扑的自动构建，包括车道连通关系、转向约束及路口结构的推理与建模。
负责交通场景语义识别与理解，包括拥堵状态判别、道路封闭性检测、临时停靠区域判定（如停车接客）等。
负责地图要素变化检测，包括道路封闭、护栏新增、箭头标识变更等。
岗位要求：
熟练掌握C++、Python中至少一种语言。有 C++ 使用经验者优先。
具备扎实的计算机视觉与深度学习理论基础，需要有下列经历和能力之一：
训练计算机视觉相关的深度学习模型，如检测和分割任务。
微调 LLM 或者 VLM。
LLM 及 VLM 的部署和推理速度优化。
1、全场景道路环境感知算法研发：主导城区、高速、泊车等多场景下的道路环境认知算法开发，基于深度学习模型实现车端的车道线、交通灯、停车位等关键要素的高保真检测与端到端建模，或通过静态要素的云端大模型赋能无图端到端系统精准感知；
2、模型优化与性能突破：负责感知模型的开发、验证与持续迭代，通过算法创新与工程优化，确保车辆“看得清、认得准”，提升复杂场景下道路环境的鲁棒性与实时性；
3、算法创新与工程落地：主导核心算法/模型的前沿设计，推动从理论到产品的全链路落地，包括模型轻量化、部署优化及评测体系构建；
1.持续推动前沿技术落地，并持续优化视觉为主导的感知基础模型，并以业务和线上问题为导向，驱动优化感知系统。
2.主导动态感知领域复杂问题的分析与解决，负责核心模块的研发与效果打磨。具体方向包括但不限于：障碍物检测与跟踪、红绿灯检测，语义与意图理解。
3.和上下游团队共同推动算法的完全数据驱动和端到端可导能力建设。
方向：传统PnC算法与基于深度学习方法的融合，无图高速、城块与城市NOA
职责：
1.结合传统PnC算法与深度学习决策规划模型，开发并落地无图NOA系统
2.参与可持续进化的决策规划架构设计
3.参与系统中功能模块的开发与迭代，包括但不限于行为决策、轨迹规划、导航定位
4.进行实车道路测试与性能分析，提出并实现系统性能优化方案
【必备项】
1. 计算机、数学或统计学相关专业硕士及以上学历；
2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础；
3. 熟悉常用的机器学习和深度学习算法及Tensorflow/Pytorch等至少一种深度学习框架；
4. 具备丰富的数据处理、prompt设计、SFT及RL优化等LLM算法应用与创新经验；
5. 具备优秀的分析和解决问题的能力，良好的沟通协作能力。
【加分项】
1. 有NLP/搜索/推荐/广告等机器学习相关领域实践经验者优先；
2. 参与过机器学习开源项目并有突出贡献者更佳；
3. 参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并取得好名次者更佳；
4. 有数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在以上领域的国际会议(SIGIR、SIGKDD、ICML、NIPS、WSDM、WWW、AAAI、CIKM、ACL、RECSYS)或者期刊上发表过论文者更佳。
1. 参与机器人视频生成世界模型方向的研究与系统开发，围绕机器人移动与操作场景，开展世界模型与动作建模的联合设计，构建面向具身智能的通用基础世界模型，覆盖数据准备、模型训练、系统搭建与实机验证等关键环节；
2. 探索基于视频—动作联合建模的机器人行为预测、环境演化建模与闭环交互机制，提升模型在复杂具身任务中的可控性、泛化性与实用性；
3. 持续跟踪视频生成、多模态学习、3D 基础模型及具身智能等方向的前沿研究进展，围绕具身智能核心问题探索创新性的技术方案。
● 计算机、数学、人工智能、电子信息、通信等相关专业或同等基础知识储备，硕士及以上学历；
● 具备优秀的分析和解决问题的能力，良好的沟通协作能力；
● 熟悉常用的机器学习算法，对算法原理及预估模型的应用有较深入的理解，具备较好的工程实现能力，精通C/C++、Java、Python等其中至少一门编程语言；
● 有数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在相关领域的国际会议(SIGKDD、SIGIR、WSDM、WWW、RecSys、ICML、NIPS、AAAI、CIKM、ACL等)或者期刊上发表过论文者更佳；
● 参加过ICPC/CCPC等算法竞赛并取得优秀名次者更佳。
【愿景】我们正在建设全球化业务的 AI 智能底座。随着公司从快速开城走向多国多地区深耕，业务面临多语言、多规则、多角色、多链路的复杂经营挑战，AI 不再只是提效工具，而是重塑全球业务运行方式的核心基础设施。团队将大模型、Agent、数据智能和算法能力深度结合，落地在智能客服、运营自动化、商家赋能、业务分析、研发提效等关键场景，推动公司从数据驱动走向 AI 原生的智能经营。【你将参与】1.Agent 系统：设计和实现面向境外外卖场景的先进 AI Agent系统（智能客服、智能审核、自动化运营），完成 Agent 框架搭建、工具链集成与多轮决策链路的工程落地2.模型后训练：参与业务场景的模型微调（SFT/RLHF/DPO），构建高质量训练数据集，设计奖励模型与评估体系，让基础模型在外卖场景（对话、推荐、审核、多语言）上表现超越通用模型3.Agent × 模型协同：通过后训练提升 Agent 内核模型的工具调用准确率、指令遵循能力和多步推理质量，实现"更聪明的 Agent + 更专的模型"双轮驱动4.在线实验与迭代：设计 A/B 实验方案验证 Agent 策略和模型效果，直接影响数百万海外用户体验，用数据驱动模型与 Agent 的持续进化
混元大语言模型后训练算法工程师-垂域方向（北京/深圳/上海）
1.做过金融 / 法律 / 医疗相关项目；
2.熟悉 Agent 框架（如 LangChain 等）；
3.有多 Agent / workflow 经验；
4.实际上在seed/qwen/kimi/GLM/DS等成熟大模型上实际落地经验。
1、本科及以上学历
2、熟悉计算机视觉核心算法（目标检测、图像分类、分割、图像增强等），精通多模态融合技术（文本-图像/视频-图像匹配、跨模态检索等），有CLIP、LLaVA、InternVL等主流多模态模型实战经验者优先。
3、具备扎实的C++编程功底，熟悉Linux环境下的算法开发，掌握数据结构、多线程、并行计算等相关知识，有丰富的算法工程化落地经验，能独立完成算法的C++实现与优化。
4、精通模型量化、剪枝、知识蒸馏等轻量化技术，熟悉至少一种推理引擎（TensorRT、ONNX Runtime、NCNN、TVM等），具备模型在云端/边缘端部署、性能调优的实战经验，能独立解决部署过程中的技术问题。
5、具备较强的问题分析、攻坚能力与自我驱动能力，逻辑思维清晰，，能快速跟进业界前沿技术并落地应用。
6、具备良好的团队协作与跨部门沟通能力，责任心强，有规范的代码编写习惯，能承受一定的业务压力，有相关算法竞赛获奖或顶会论文发表者优先。
7、加分项：有车载芯片、嵌入式SOC平台部署经验，或大模型端侧优化、工业场景多模态落地经验者优先。
1. 主导智能座舱大模型底层算法自研工作，负责核心算法设计、研发及迭代，对大模型底层逻辑有深刻理解，突破技术瓶颈，推动算法创新落地。
2. 统筹大模型全流程研发落地，结合座舱业务需求，把控样本生成、模型训练、评测及量产部署，具备丰富的大模型规模化落地经验。
3. 跟进大模型前沿技术与开源/闭源项目，制定技术战略，推动先进技术转化应用，为团队提供深度技术指导，引领团队技术提升。
4. 牵头跨部门协作，协调内外部资源，制定大模型研发相关技术规范，推动项目高效推进，提升公司大模型技术竞争力。
1. 项目售前支持，包括技术方案展示需求沟通、定义及管理；
2. 项目整体方案设计 ，对外技术沟通 ；
3. 负责对子系统的工作产品进行审核；
4. 组织及主持项目内部 /外部 技术例会；
5. 负责台架测试、整车调试；
6. 处理产品试验、售后相关问题 以及工程经验积累；
7. 主要方向包括：
✓ 电机驱动方向
✓ 开关电源方向