薪酬概览
平均月薪
¥14300
中位数 ¥13500 ｜ 区间 ¥11700 - ¥16900
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 8-15k
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
5
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 |
|---|---|---|
| 应届 | 2 | 50% |
| 不限经验 | 2 | 50% |
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届毕业同学，计算机/人工智能/机器人等相关专业，博士优先；
2、在LLM、生成模型、VLA或相关领域已有高质量发表记录（NeurIPS/ICML/ICLR/ICCV/CoRL等顶会一作或共同一作）；
3、扎实的生成模型基础，熟悉扩散模型、VAE、GAN、自回归模型等，有大规模训练经验；
4、熟悉强化学习与世界模型的结合（如Dreamer、World Models、IRIS等），有复现或改进经验；
5、熟练掌握PyTorch，具备大规模实验设计与分析能力；
6、有VLA模型与世界模型联合训练的研究，或探索世界模型支持VLA规划的工作经验者优先；
7、研究过基于物理约束的世界模型（神经物理引擎、可微分仿真），保证生成结果物理合理性者优先；
8、具备视频生成、3D场景生成、神经辐射场（NeRF/3DGS）等多模态生成经验者优先；
9、有高质量GitHub项目（世界模型相关工具包、生成模型库），Star数1k+或作为核心贡献者优先。
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
一、项目推进与管控负责项目全生命周期管理，为项目从线索到开业的时效性负责利用专业经验助力门店开发/拓展同事提报项目，确保提报质量与效率识别并预警项目商务与时效相关风险，提前制定应对方案二、跨方协同与问题解决协同项目相关方，推动解决项目中的 corner case 及复杂问题建立并维护高效的跨团队沟通机制，确保信息同步顺畅三、方法论沉淀与能力建设具备总结提炼能力，将项目中遇到的问题转化为通用化解决方案持续优化项目管理流程与工具，提升团队整体效能四、项目基础事务管理完成项目中必要的基础事务性工作（盖章、邮寄等）严格遵守公司盖章标准与规则，确保合规操作
【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。
【课题说明】基于承接全球最大规模外卖业务的即时配送系统进行最前沿的端到端调度决策研究，业务影响力与研究深度并重。可以接触最前沿的调度决策体系，服务于百万级骑手、千万级订单，快速拓宽技术、业务视野。团队氛围好、研究实力强，已发表多篇顶会论文，团队工作入选2023年Franz Edelman奖，在行业内具有卓越水平。【建议研究方向】1.调度大规模实时OR+ML研究：针对调度系统内多样的调度决策行为进行分析，包括但不限于过滤、压单、指派、推荐、改派等，尝试基于深度学习、强化学习等方法对已有的调度决策行为进行端到端建模，提升调度效果。
2.时空大模型在骑手行为方向研究：基于SOTA的时空大模型研究，探索针对调度系统分城市、分业务、分时段的差异化特点，基于每天百亿量级骑手路径和行为数据，探索统一的模型预测、决策能力，提升调度决策系统在不同场景下的适配能力。
3. 基于长周期收益的多对一匹配问题研究：基于订单结构挖掘与优质骑手行为学习，实现多对一订单-骑手匹配问题的分布式实时（秒级）求解，同时合理刻画订单匹配长周期收益，实现调度匹配序贯决策时空全局优化，将日益增长的订单密度，在性能约束下极大程度兑现为骑手效率增益。