薪酬概览
平均月薪
¥36700
中位数 ¥0 ｜ 区间 ¥24900 - ¥48600
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
66.7% 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
23
对比上月：岗位新增19
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 | 3 | 15.8% |
| 1-3年 | 7 | 36.8% |
| 3-5年 | 3 | 15.8% |
| 5-10年 | 3 | 15.8% |
| 不限经验 | 3 | 15.8% |
热招职位
【27届校招】大模型算法工程师（海外VLA / World Model 方向）
1、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、具备扎实的深度学习与生成式模型基础：熟悉 Diffusion / Flow Matching / 自回归视频生成 / VAE 及视觉 tokenizer 等主流生成式架构，掌握大模型训练范式（预训练、SFT、RLHF / 对齐等）。
3、熟练使用 PyTorch 等主流深度学习框架，有大规模多机多卡分布式训练（FSDP / DeepSpeed / Megatron 等）实践经验。
4、具备较强的编程能力，熟练掌握 Python、C++；具备良好的数学基础（线性代数、概率论、统计学）。
5、对自动驾驶与前沿生成式技术有浓厚兴趣和持续热情，具备良好的团队合作与沟通能力，能承受一定的工作压力。
6、加分项
（1）在 World Model、视频生成、VLA、端到端自动驾驶、扩散 / 生成模型等方向有顶会论文（CVPR / ICCV / ECCV / NeurIPS / ICLR / CoRL 等）或有影响力的开源工作；
（2）熟悉 GAIA、Vista、Cosmos、GenAD 等驾驶世界模型相关工作，或有世界模型 / 生成式仿真的量产落地经验；
（3）有海外自动驾驶项目、海外数据处理或海外生活学习经验，具备良好的英文读写与沟通能力。
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、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、前沿3D重建大模型的研发和优化，包括模型设计、训练与调优等工作；
2、根据项目需求，实现3D重建大模型在自动驾驶场景的落地；
3、跟踪深度学习3D视觉领域的最新研究成果，协同团队进行技术选型和创新；
1. 工作经验： 计算机、人工智能或相关专业本科及以上学历，2 年以上 AI 算法相关工作经验，具备扎实的深度学习理论基础。
2. Agent 与 LLM 实战经验：
● 精通 AI Agent 开发范式，有复杂多智能体系统设计与落地经验；
● 深入理解 LLM 底层原理，具备 SFT、DPO 等大模型微调与对齐的完整项目经历；
● 熟悉 RAG 技术栈，有处理大规模私有数据检索与融合的实际案例。
3. 强化学习与决策优化： 熟悉强化学习（RL）基本理论，有将 RL 应用于序列决策、推荐系统或广告竞价场景经验者优先。
4. 工程与架构能力： 精通 Python 与 PyTorch，具备优秀的系统架构设计能力。熟悉 Linux 环境下的分布式训练与高性能推理优化（如 vLLM, FlashAttention）。
5. 业务洞察与沟通： 具备敏锐的业务洞察力，能够将复杂的商业逻辑抽象为 Agent 任务流。拥有良好的跨团队沟通能力，能高效协同产品、工程及业务方推动项目落地。
6. 加分项：
● 在 KDD、ICLR、NeurIPS 等顶级会议发表过 Agent 或 RL 相关论文；
● 有广告算法、客户增长或大规模运筹优化背景；
● 在开源社区有高质量的 Agent 框架贡献或独立开发过成熟的 Agent 应用。
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、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。
1、负责 Camera、Lidar、IMU 等多传感器工厂标定算法研发，以及标定间建设方案的技术指标制定。
2、负责自然场景下多传感器在线标定算法研发与工程落地，支持不同车型、不同传感器配置下的量产交付。
3、负责标定算法车型泛化与量产问题闭环，定位并解决标定失败、收敛异常、外参漂移、点云匹配异常、BEV拼接异常等常见问题。
4、参与标定工具链建设，包括精度评测、自动化测试、外参看板、异常样本分析等内容。
1、计算机 / 人工智能 / 数学统计等相关专业,本科及以上;
2、有 embedding / 表征模型相关研发经验(训练、评估或落地);
3、熟练 Python + PyTorch,能独立完成模型实验到工程落地;
4、掌握常用聚类、降维、ANN 检索、密度 / 分布分析等方法,能从表征中挖掘结构与规律,数据敏感度好;
5、具备处理大规模数据的能力与意识(效率、可扩展);
6、扎实的深度学习功底,熟悉表征学习 / 对比学习 / 多模态建模等,理解模型训练与调优;
7、工作踏实认真、责任心强,能独立推进并沉淀方法论。
加分项
1、了解数据分布诊断、长尾 / 覆盖 / 多样性度量、子群挖掘等;
2、有自动驾驶 / 大规模数据闭环背景;
3、有高质量论文、竞赛或开源成果者优先。
我们看重的特质
1、对新技术充满热情,能快速学习并落地前沿模型方法;
2、严谨务实,重视模型效果与结果的可验证性;
3、好奇心强、善于从数据与模型中发现并解决问题。
1、负责面向驾驶环境感知算法的研发落地工作，包括不限于目标检测、语义分割，深度估计，占据网络、世界模型等
2、解决通用障碍物的检测和长尾场景处理，负责设计并优化 Occupancy & Flow 网络架构
3、负责面向自动驾驶多传感器（包括不限于视觉/Lidar/Radar)融合感知算法的探索与研发
4、负责计算机视觉领域前沿技术中网络模型的分析和研究
1.负责工业场景，特别是港口场桥场景下激光雷达点云数据的处理，包括点云去噪点云分割点云配准三维目标检测识别等模块开发
2.开发基于点云的场桥精准对位集装箱识别箱号检测锁孔定位障碍物检测等核心功能算法，适配港口雾天、雨天、夜间等低能见度复杂工况
3.完成点云算法的优化移植与现场适配，对接系统集成团队满足算法的实时性、精度要求
4.基于现场运行数据迭代优化算法性能，解决复杂港口场景下的点云算法鲁棒性问题
1.负责导航定位相关算法的工程实现及优化；
2.负责导航定位相关卫星导航、组合导航、SLAM算法核心功能模块的开发、测试及上机等；
3.负责导航系统在弱结构化、弱纹理等退化场景和GNSS遮挡、雨雪雾等极端场景下的性能优化；
4.支持相关项目开展其它定位技术相关工作。
5、负责将AI工具与方法应用于算法研发全流程，提升开发效率与解决方案的智能化水平；】
1、计算机科学、人工智能、数学等相关专业的硕博学生，或有丰富的AI、LLM相关实践经验；
2、兼备较强的AICoding能力，以及强悍的编码基本功，擅长将算力转化为生产力，用AI构建AI；
3、抗压能力强；具备良好的沟通表达能力、数据驱动的分析能力，以及面向具体业务问题出色的问题定义和抽象能力；
4、对于AI产品有热情与好奇心，深度参与过AI Native产品研发，或对AI原生应用有独到见解；
5、熟悉LLM与Agent等相关算法原理， 尤其是在后训练、大规模强化学习、持续学习、自蒸馏等算法方向有研究或实践者优先；
6、在人工智能相关顶会发表过论文者优先、在开源社区有高质量的 Agent 框架贡献或独立开发过成熟的 Agent 应用优先。