薪酬概览
平均月薪
¥27400
中位数 ¥0 ｜ 区间 ¥18600 - ¥36200
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
80% 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
2
对比上月：岗位减少1
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 |
|---|---|---|
| 5-10年 | 1 | 100% |
热招职位
1. 为客户导入和开发玄铁RISC-V IP和技术设计赢取胜利机会；
2. 负责RISC-V CPU IP产品的技术宣讲，对玄铁产品、服务和友商保持高标准的技术知识；
3. 积极拓展客户，保持对领域的动向和客情变化的敏感度；
4. 与Sales团队合作，提供技术知识和支撑，与潜在客户建立和维护良好的客户关系，介绍和推动玄铁RISC-V IP的design in；
5. 与技术工程团队合作，确保客户需求和产品的匹配度，确保客户项目的顺利落地。
（1）水处理、环境工程、应用化学、给排水等相关专业本科以上学历；
（2）能完成环保或循环水项目的需求调查及方案编写，对项目进行现场技术指导；
（3）能协助商务人员进行环保或循环水项目的技术交流与谈判；
（4）熟悉循环水处理流程、污水处理工艺、给水处理工艺等环保工程相关工艺；
（5）可独立完成循环水处理、污水处理、给水处理工艺等环保工程相关工艺并编制技术文件及工程投标文件等。
1、负责远程及现场技术支持，涵盖售前与售后全流程；
2、执行混合储能逆变器及电池储能系统(BESS)的调试、故障排查、固件/硬件升级；
3、向总部提交产品故障报告并持续跟进，需包含清晰的问题描述；
4、定期分析混合储能系统运行数据，评估设备性能；
5、主动对接安装商与经销商，提供良好的客户服务体验；
6、建立技术问题长效跟踪机制，维护与合作伙伴的良好关系。
1、迅速响应客户需求，为海外客户提供技术支持服务，维护客户满意度；
2、通过现场、邮件，电话等方式协助销售同事和客户处理售后相关问题；
3、管理处理常规客户工单以及质量问题，主导处理重大质量问题和客诉，管理客户对服务的满意度；
4、监督并反馈当地一级团队和服务商的服务表现；
5、负责开发关键市场的当地服务网络，即服务商的引入、包括评估、谈判、合同评审等；
6、主导组织内部经验积累，定期组织内部赋能培训，提升团队整理能力。
1、客户需求对接与方案制定：精准把握海外客户对于户用储能系统的需求，提供定制化的产品解决方案，涵盖系统配置、容量规划等，助力客户实现能源管理目标。
2、技术沟通与答疑：与海外客户开展技术交流，及时且准确地解答客户在产品技术层面的疑问，包括系统原理、性能参数、兼容性等问题，增强客户对产品的信任。
3、市场调研与情报收集：密切关注海外户储市场动态，收集政策法规、竞争对手产品信息等，为公司产品优化与市场策略制定提供依据。
4、项目支持与跟进：协同销售团队，参与海外项目前期技术评估，跟进项目进展，保障从方案设计到交付环节的技术可行性与连贯性。
1、27届-28届毕业，计算机、自动化、机器人、控制、人工智能等相关专业，硕博优先；
2、具备扎实的强化学习基础，熟悉 PPO、SAC、DQN 等经典算法，理解 offline RL、model-based RL、hierarchical RL、safe RL 或 preference learning 之一；
3、有 MuJoCo、Isaac Gym、CARLA、MetaDrive 或其他仿真平台经验，能够独立搭建训练、评测与回放分析流程；
4、具备多模态大模型与 RL 结合的研究或项目经验，理解 VLM/VLA 如何参与状态表征、决策规划与动作生成；
5、熟练掌握 Python / C++，有 ROS、自动驾驶中间件、机器人控制栈或部署优化经验者优先；
6、熟悉 Agent Native 相关能力者优先，包括：
*tool use / environment interaction；
*world model + policy 联合优化；
*verifier / critic / self-reflection 机制；
*长时任务中的 memory、trajectory management 与 error recovery；
7、具备评测与工程意识，能够从算法指标走到系统指标，理解 task success、safety、latency、cost、stability 之间的 trade-off；
有以下经历加分：
*真实机器人/车端验证经验；
*sim2real 迁移、domain randomization、safety constraint 经验；
*多 agent 协同或 planner-policy 分层系统经验；
*端侧部署、推理加速、实时系统优化经验。
1、计算机科学、电子工程、汽车工程、软件工程等相关专业，硕士及以上学历；
2、具备扎实的编程基础，熟练掌握至少一种编程语言（Python/C/C++/Java 等），了解基本软件开发流程；
3、逻辑清晰、思维严谨，具备较强的问题分析、总结与复盘能力；
4、自驱力强，责任心强，具备良好的沟通表达与团队协作能力，能主动推进任务；
5、对智能座舱、车载系统、AI 交互等方向有强烈兴趣与学习热情；
6、有软件测试、自动化测试、实习项目、竞赛项目经验者优先。
我们相信，AI 研发本身，是下一个被 AI 加速和重塑的领域。美团 LongCat 团队正在探索下一代 AI 自进化与自动化研究系统：让模型不仅能够完成任务，也能够参与模型研发过程本身，围绕问题发现、假设生成、实验执行、结果验证、经验沉淀与策略迭代，形成持续改进的研究闭环。加入我们，你将参与构建以研究智能体为核心，联动可验证研究环境、训练与评测体系、研究策略库的 AI for AI 系统，并将自动化研究能力反哺到模型自身的训练、评测与迭代中，推动“用 AI 研发更强 AI”的长期目标。
1. 自动化研究智能体能力建设参与提升模型在复杂任务分解、长程推理、研究规划、工具使用、代码生成与执行、证据整合、结果归因与研究报告生成等方面的闭环能力，并在真实模型研发任务中验证效果。
2. 长程上下文、记忆与状态管理探索 context scaling / compression、memory selection、任务状态追踪等机制，解决长周期任务中的一致性衰减、状态丢失、中断恢复与长期依赖管理问题。
3. 可验证研究环境与自动实验闭环构建覆盖 search、browser、retrieval、code execution、training / eval job、sandbox 等能力的交互式研究环境，将研究任务建模为可交互、可验证、可评分的闭环，支持自动实验编排、结果比对与版本回滚。
4. 训练策略与反馈信号设计设计数据配方、环境反馈、过程监督与 reward 信号体系，结合 SFT、强化学习等方法，引导模型在事实正确性、工具调用可靠性、任务完成率与研究轨迹质量上持续提升。
5. 评测体系与错误分析闭环建设面向真实 research workflow 的 benchmark 与自动评测体系，系统分析研究智能体在规划、检索、工具调用、上下文管理、实验执行、结果归因等环节的典型失败模式，并反哺训练策略与 harness 优化。
6. 研究经验沉淀与策略自进化将成功与失败任务轨迹沉淀为 research episode、skill、eval case 等可检索、可复用、可训练的经验资产，支持模型在后续任务中检索、复用、迁移与迭代，推动研究策略的持续自进化。
【LongCat实习】大模型算法研究员-Search Agent方向
你将加入 LongCat Agent 算法团队，与一线研究员共同推进下一代智能体的范式探索。具体方向包括但不限于：
1.Agentic RL 基础算法研究：探索面向长程多步任务的强化学习训练范式，包括稀疏奖励下的信用分配、过程奖励建模、自我博弈与多智能体协同、可扩展的 reward modeling，以及训练稳定性与样本效率优化。目标是实现Agent 能力增长的主引擎；
2.Search Agent 能力构建：研发面向开放域复杂查询的搜索智能体，覆盖多轮检索规划、查询改写、证据聚合、多源信息冲突消解与可信溯源。重点突破"深度研究"类长程任务（Deep Research）的端到端 RL 训练，让模型在数十步检索-推理交织中保持目标产出高质量分析内容。
3.生活服务助理 Agent：解决美团真实业务环境中（餐饮、出行、到店、履约等多业务横跨）实现智能助理的基础问题，研究多工具长链调用、澄清和主动服务、个性化记忆与偏好建模、跨会话状态管理，以及面向真实用户反馈的RL 闭环。这里的复杂度来自亿级用户、千万级 SKU 与多步骤决策构成的真实环境。
【为什么是我们】1.稀缺场景：直接接触亿级真实用户、跨业务多步决策的复杂环境，是当前业界最稀缺的 Agent 训练土壤；
2.充足资源：充足算力、丰富多模态数据、专属带教导师、顶级 infra 团队支持；
3.研究自由：明确鼓励技术探索，有机会参与顶会论文产出，研究成果可服务亿级真实用户实现学术与产业双闭环；
4.成长路径：北京 / 上海双地 base，扁平协作、与算法/Infra/产品高密度共事，快速成长为下一代 Agent 技术骨干。
1、负责车云通信网络子系统的软件设计、开发与性能调优，覆盖协议栈选型、链路可靠性及端到端时延优化。
2、参与车载综合业务网关的系统软件与底层软件开发，交付高性能、高可靠的网关产品，推动其规模化量产落地。
3、面向无人配送业务场景，持续优化系统整体性能、稳定性与可靠性，推动研发迭代和规模化落地运营。