北京图像识别算法工程师
作为图像识别算法工程师，您将负责开发和优化用于计算机视觉系统的算法和模型。您需要熟悉深度学习、神经网络和机器学习等领域的知识，并能够利用这些技术来识别、分类和理解图像和视频数据。您的工作可能涉及人脸识别、目标检测、图像分割、特征提取等方面的算法研发。此外，您可能需要与其他工程师、数据科学家和产品团队合作，将算法集成到实际的生产系统中，并对其性能进行调优和优化。您需要具备扎实的编程能力，熟悉常用的深度学习框架如TensorFlow、PyTorch等，并能够不断跟踪最新的研究成果和技术进展，以保持对图像识别领域的领先竞争力。这个职位需要具备扎实的数学和统计知识，以及对图像处理和计算机视觉领域的深入理解。
薪酬概览
平均月薪
¥29500
中位数 ¥30000 ｜ 区间 ¥22000 - ¥37000
数据来源：谈职全网25份招聘数据；更新时间：2026年7月13日
月薪分布
44% 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
6月新增岗位
17
对比上月：岗位减少30
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 | 11 | 73.3% |
| 3-5年 | 2 | 13.3% |
| 不限经验 | 2 | 13.3% |
热招职位
1、2027 届硕士应届毕业生，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、具备扎实的机器学习理论基础，熟悉常见的机器学习算法（如监督学习、无监督学习、强化学习等）和深度学习框架（如 、PyTorch 等）；
3、有一定的编程能力，熟练掌握 Python、C++ 等编程语言；
4、具备良好的数学基础，包括线性代数、概率论、统计学等；
5、有较强的学习能力和创新精神，对自动驾驶技术有浓厚的兴趣和热情；
6、具备良好的团队合作精神和沟通能力，能够承受一定的工作压力。
1、2027届硕士应届毕业生，计算机科学与技术、电子工程、通信工程、自动化等相关专业；
2、具有扎实的计算机基础知识，包括操作系统、计算机网络、数据库等；
3、熟悉至少一种编程语言，如 C/C++、Python 等，具备一定编程能力；有Ros工程经验的加分；
4、了解云计算、大数据相关技术和概念，有实践经验者优先；
5、对自动驾驶技术有浓厚兴趣和热情，愿意投身该领域基础设施建设工作；
6、具备良好团队合作精神和沟通能力，能与不同专业背景人员协同工作；
7、有较强学习能力和问题解决能力，能快速适应新技术新环境；
8、注重细节，有责任心，具备良好抗压能力，能承担一定工作压力。
1. 在国际化场景下，负责 Keeta 智能客服、智能审核、智能判责等方向的算法建设，以及对应基座模型的后训练（SFT/RLHF/DPO 等）；
2. 运用大模型、Agent、多模态及传统机器学习等算法能力，解决生成式 AI 在业务落地的关键问题，满足多语言、多模态的复杂业务场景需求，持续提升智能化覆盖率与业务运转效率；
3. 紧跟业界大模型前沿进展，深入分析新模型结构与技术范式，并快速转化为业务可用的算法能力；
4. 从业务需求中提炼通用、模块化的算法能力，加速算法迭代，提升 Keeta 开国、开城的效率；
5. 积极将 AI 辅助工具（如 Copilot、AI 实验分析工具）融入日常研发流程，推动团队以 AI 协作方式提升模型迭代效率。
【课题说明】美团商家通过IM与用户交互帮助用户答疑，提升用户下单意愿，完成导购、客服、留资等任务。整体链路人工依赖率高。随着大模型技术的快速发展，基于大模型的智能外呼在提升电销覆盖率和转化率方面展现出极大潜力。本课题致力于将大模型技术和商家端的各项客服任务相结合，通过大模型能力赋能美团商家与用户交互过程，降低商家与客户交互的成本，提升商户的成单数量。【建议研究方向】1.基于多智能体的商家助手设计：设计基于大模型的多智能体交互方案，让模型在与用户交互过程中，能给有效识别用户意图，完成多轮交互。
2.工具调用与任务分解：设计多工具调用框架，使商家助手能够动态组合调用业务API、业务数据库等工具，完成多种复杂任务。
【北斗实习】大模型应用算法工程师-【AI搜索 & Agent RL】
【课题说明】Agentic Search是以大模型为核心，具备自主感知、推理与行动能力的搜索新范式。它通过理解用户复杂意图，动态规划搜索路径，主动调用多种工具和数据源，持续优化结果推荐与交互体验。本课题旨在研究和构建面向美团App本地生活服务的Agentic Search系统，探索其在多轮对话、复杂任务分解、实时信息整合等场景下的关键技术与应用价值，推动本地生活智能搜索技术的创新升级。【建议研究方向】1.意图理解与任务分解：探索大模型在复杂用户需求下的多意图识别、任务分解、子任务规划能力，提升系统对复合型检索场景的适应性和响应能力。
2.多轮工具调用技术研究：赋予LLM长链路的多轮工具调用能力，打造基于强化学习等前沿技术的LLM后训练方案，提升多轮调用时的精确性及用户的实际交互体验。
3.增量学习训练技术探索：针对本地生活场景中数据不断更新的特点，运用增量学习技术，使 AI 搜索模型能够快速适应新数据。搜索结果可解释性提升：探索基于大模型内容深度理解与推理的可解释理由生成，增强用户对搜索结果的信任感和透明度。
【课题说明】传统的向量召回和深度学习推荐范式在深度交互、冷启动、长尾商品发现、多场景适配等方面仍存在诸多挑战。生成式推荐系统以大模型为核心，具备强大的内容理解、知识推理和个性化内容生成能力。通过将用户历史行为、上下文信息、多模态内容等深度融合，生成式推荐系统能够实现用户意图的主动理解、候选内容的生成与多场景下的精准推荐，极大提升用户体验和平台生态活力。【建议研究方向】1.生成式召回：研究基于大模型的生成式召回方法，实现以模型参数为载体的候选内容记忆与生成，突破传统召回技术的局限。
2.多轮交互推荐技术：探索多轮用户引导与深度交互机制，实时理解用户意图变化，满足“千人千面”的个性化需求。
3.推荐系统的可解释性与安全性：研究大模型驱动的推荐逻辑可解释性方法，提升用户对推荐决策的理解和信任。同时探索生成式推荐中的内容安全，保障推荐系统的合规性与用户体验。
4.推荐智能体与复杂任务规划：构建具备推理、规划和自主决策能力的推荐智能体，支持跨领域、跨步骤的复杂任务推荐。
1、 负责城区、高速、停车场等场景以及泊车等场景辅助驾驶系统运动控制算法开发
2、负责运动算法的仿真评测和实车测试，并协助在嵌入式量产平台进行算法实现
3、负责量产车型的运动控制算法架构设计与车型适配
4、负责多车型动力学模型设计与辨识工作
职位职责：
* 负责基于视觉/激光雷达/IMU/GNSS等多传感器融合的SLAM定位与建图算法研发设计与开发实现；
* 优化算法在车端的实时性能，解决复杂场景的长尾问题，完成量产交付；
* 参与定位与建图评测系统的开发，构建系统闭环迭代的研发路径。
* 参与定位与建图工具链的开发，提高可用性和易维护性；
1.负责面向自动驾驶极端场景下多模态大模型系统的算法研发与优化
2.负责面向自动驾驶图像质量评估相关算法的研发与优化
3.深度参与数据闭环、模型训练和部署、场景泛化性提升
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. 27届硕士及其以上学历。
2. 了解大模型基本知识和体系。
3. 具备较强的代码实现能力。
4. 有大模型训练经验者优先。
5. 工作态度认真负责。