薪酬概览
平均月薪
¥30000
中位数 ¥0 ｜ 区间 ¥21900 - ¥38100
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
44.4% 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
35
对比上月：岗位新增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 | 34.4% |
| 1-3年 | 7 | 21.9% |
| 3-5年 | 7 | 21.9% |
| 5-10年 | 7 | 21.9% |
热招职位
1、负责城区自动驾驶中的定位相关开发，包括但不限于: DR/组合导航/融合定位/拓扑定位/SLAM；
2、负责无图/众包地图下定位相关方案预研及算法开发、难点攻坚，推动方案实现规模化量产；
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.Agent 后训练算法设计与实现：主导基模大模型的 Agent 化后训练方案研发，包括指令微调（SFT）、奖励模型（RM）训练、强化学习（RLHF/RLAIF）优化，聚焦任务规划、记忆机制、工具调用、多轮对话一致性等核心能力提升。；
2.后训练数据体系构建：设计 Agent 后训练数据的采集、清洗、标注与迭代策略，涵盖通用指令集、任务型对话数据、工具调用样本、多模态交互数据等，建立数据质量评估与筛选机制，优化数据分布与多样性。；
3.Agent 能力优化与突破：针对 Agent 在复杂任务拆解、跨领域知识迁移、动态环境适配等场景的痛点，研发创新后训练算法（如分层任务规划训练、多智能体协作训练、反幻觉优化），提升 Agent 的决策准确性与鲁棒性。；
4.工程化落地与系统协作：搭建高高效后训练流水线，支持大规模数据并行处理、分布式训练（DDP/FSDP）与模型压缩部署；与产品、工程团队协作，打通 “后训练 - 评测 - 迭代” 闭环，适配不同场景下的 Agent 产品需求。；
5.技术创新与沉淀：跟踪大模型 Agent 领域前沿技术（如 LLM+Planning、Tool Learning、Multi-Agent Interaction），主导核心技术攻关与专利申请；输出可复用的后训练算法组件、技术文档与评测基准，推动团队技术能力沉淀。
1.多模态数据体系构建：设计并实现 VLM 预训练数据的采集、清洗、标注全流程方案，涵盖通用图文对、OCR 数据、Visual Grounding/Counting 数据、3D 空间理解数据及视频时序数据等多类型数据，建立数据质量评估体系（如 CLIP 相似度过滤、标注一致性校验）。；
2.数据算法创新设计：研发多模态数据对齐算法，优化视觉 - 语言模态映射策略；设计高效数据增强方案，包括图像形变、文本扰动、跨模态混合增强等，提升模型鲁棒性与场景适应性；探索自动标注与数据合成技术（如 Grounding DINO 自动框标注、LLM 辅助问答生成），降低标注成本。；
3.预训练数据策略优化：结合 VLM 预训练目标（模态对齐、上下文学习、复杂推理），设计数据配比方案与训练数据筛选策略；迭代优化数据配方，解决数据冗余、分布偏差等问题，提升训练效率与模型效果。；
4.工程化落地与协作：搭建高吞吐率数据处理流水线，支持大规模多模态数据的并行处理与分布式训练适配；与模型训练团队协作，打通数据 - 训练 - 评测闭环，提供定制化数据解决方案；跟进 NVILA、InternVL 等前沿技术，推动数据算法的工程化落地。；
5.技术沉淀与创新：跟踪 VLM 领域数据相关前沿研究（如预训练数据设计、模态融合策略），主导技术攻关与专利申请；输出可复用的数据处理算法组件与技术文档，建立团队数据算法基准体系。
1、 基于电力交易多重市场规则约束，研发和构建优化算法，实现收益最大化。
2、 承担线性规划、混合整数规划、鲁棒优化和启发式等算法的研发、设计和部署等工作。
3、 负责业务与算法融合，算法模型产品化落地，包括业务建模、算法设计、实现调优等。
4、 负责与交易团队，产品、生产部门对接，确保策略的准确实施，根据规则变化完成算法优化及迭代。
5、 完成公司和领导安排的项目汇报及其它事务。
我们要寻找一位对数据安全和人工智能充满热情的大模型应用算法工程师加入我们的团队。在这里，你将加入一个充满热情的技术团队，参与构建智能化的数据安全防护体系，利用前沿的机器学习与数据挖掘技术，探索大模型在数据安全领域的深度应用。
具体职责包括但不限于：
● 大模型微调与实战 参与开源大模型的后训练（SFT、RL）与效果调优；针对具体的数据安全场景（如敏感词识别、API 风险检测），优化模型推理效果与性能。
● 数据处理与工程化 参与高质量训练数据集的构建，编写自动化脚本进行数据清洗、增强与合成（Synthetic Data）；协助解决模型部署中的工程问题，提升服务稳定性。
● 算法落地与迭代 利用 NLP 技术（如 NER 实体识别、文本分类）解决实际业务中的隐私保护问题；持续跟踪测试最新的 RAG、Agent 技术，并在业务中尝试落地。
● 前沿技术复现 跟踪学界/业界在 LLM 与安全结合领域的最新论文与技术报告，快速复现并验证其在内部场景的有效性。
1、和集团内基础大模型团队紧密合作，研发多模态数据理解与处理算子，覆盖图像、视频、音频等多模态数据的识别、理解、质量评估等核心能力，以高质量合成数据驱动集团大模型实现行业领先
2、负责多模态领域专家模型的研发，负责从任务定义、数据构建、模型训练、推理优化、评测迭代到业务落地的全流程闭环，持续提升模型的泛化能力与稳定性。
3、负责全模态理解大模型的研发，持续优化模型从底层感知（时空定位、细粒度识别）到高阶认知（结构化输出、逻辑推理）的核心能力，打造业界sota。
4、探索创新的多模态/全模态大模型训练范式，撰写发表创新论文或技术报告，参与模型开源与社区建设。
职位描述：
1、参与图像分类、人脸检测与识别、OCR、目标检测、语义分割等图像处理项目的研究与开发工作；
2、参与实际项目，针对业务场景进行模型的训练、调优、落地等；
3、跟进前沿技术，阅读最新论文并复现对比。
任职要求：
1、硕士及以上学历，至少熟悉一门主流的计算机编程语言，包括但不限于Python、C、C++、Java、Go等；
2、良好的数据分析能力，扎实的数据结构与算法能力，熟悉操作系统、网络、软件工程等基础知识；
3、熟悉常见深度学习框架，如TensorFlow、Caffe、PyTorch等；
4、熟悉图像算法、经典CV模型、典型CV任务，有相关项目经验者优先；
5、责任心强，积极主动，有良好的沟通能力和团队合作能力。
职位描述：
1、参与图像分类、人脸检测与识别、OCR、目标检测、语义分割等图像处理项目的研究与开发工作；
2、参与实际项目，针对业务场景进行模型的训练、调优、落地等；
3、跟进前沿技术，阅读最新论文并复现对比。
任职要求：
1、硕士及以上学历，至少熟悉一门主流的计算机编程语言，包括但不限于Python、C、C++、Java、Go等；
2、良好的数据分析能力，扎实的数据结构与算法能力，熟悉操作系统、网络、软件工程等基础知识；
3、熟悉常见深度学习框架，如TensorFlow、Caffe、PyTorch等；
4、熟悉图像算法、经典CV模型、典型CV任务，有相关项目经验者优先；
5、责任心强，积极主动，有良好的沟通能力和团队合作能力。
职位描述
1.负责设计、实现与优化自动驾驶系统中各类动态障碍物（车辆、行人、两轮车等）的未来轨迹预测算法，支持城市道路、高速道路及复杂路口等场景下的安全决策。
2.研究并落地基于深度学习的多模态轨迹预测模型（如Transformer、GNN、VAE、扩散模型等），处理意图不确定性与多可能轨迹分布。
3.构建车‑车、车‑路、车‑行人之间的交互推理模块，利用图神经网络、注意力机制或逆强化学习等方法提升预测在拥挤场景下的准确性。
4.参与大规模真实路采数据的处理、标注策略设计、评价指标定义及模型迭代。
5.与感知、定位、决策规划团队协作，将预测模块高效集成至自动驾驶软件栈，满足实车部署的低延迟与高可靠性要求。
6.针对嵌入式或车载计算平台进行模型压缩、算子加速与工程落地，确保预测模块在有限计算资源下的实时性。
7.跟踪机器人学、计算机视觉及自动驾驶领域最新进展（如CoRL、ICRA、CVPR等顶会论文），推动可解释预测、不确定性估计及闭环评估技术的落地。
任职要求
1.硕士及以上学历，计算机科学、自动化、机器人、人工智能、应用数学或相关专业，博士优先。
2.扎实的编程能力，熟练掌握Python/C++，熟悉Linux环境下的开发与调试。
3.精通至少一种深度学习框架（PyTorch/TensorFlow），能独立完成模型搭建、训练、评测与部署。
4.深入理解至少几类主流轨迹预测方法：如LSTM Ego-centric、MultiPath、TNT、Scene Transformer、HiVT，等等。
5.具备良好的数学基础（概率论、线性代数、最优化）。
加分项
1.有自动驾驶实车落地经验，熟悉预测模块在量产方案中的挑战（如长尾场景、遮挡恢复、计算资源限制）。
2.有自动驾驶轨迹预测、行为预测或相关领域算法研发经验（优秀应届生可基于论文/竞赛/实习经历破格考虑）。
3.熟悉预测领域的评价指标（如minADE、minFDE、MR、EPA等）及其适用场景。
4.发表过轨迹预测、行为决策、多智能体交互相关的高水平论文（CVPR, ICCV, ECCV, ICRA, IROS, NeurIPS, CoRL等）。
5.熟悉自动驾驶开源仿真器（如CARLA、SUMO、Metadrive）或预测评估框架。
6.掌握概率图模型、高斯过程、贝叶斯推断等不确定性建模方法。
7.具备CUDA或TensorRT优化经验，有模型ONNX导出、量化、剪枝等实际工程经历。
1、研发生成式AI模型（如Diffusion Model/GAN等），推动AI生成内容（AIGC）在手机影像中的创新应用，涵盖图像生成、增强、风格化等领域；
2、优化AIGC算法在移动端的实时性与能效，支持文字到图像、图像到图像等多模态生成任务；
3、探索AIGC与手机影像技术的深度结合，解决暗光增强、超分辨率、人像生成、影调风格、可控编辑等场景的算法难题；
4、跟踪业界、学术界前沿技术趋势，输出高价值专利与算法原型，支撑公司AI影像技术领先性。
1、负责机器人场景下的世界模型算法研发，构建能准确预测物理世界状态演变的AI系统；
2、开发基于强化学习的动态环境建模技术，实现机器人在复杂场景中的自主决策能力；
3、探索视频生成技术在环境模拟中的应用，构建高保真度的虚拟训练环境；
4、设计具身智能系统架构，实现AI模型与机器人本体的高效协同；
5、搭建工业级仿真测试平台，支持大规模并行化的模型训练与验证。
1.负责语音合成的算法研发与落地，包括但不限于TTS前端、声学模型、声码器的算法实现和改进；
2.推动语音合成技术在产品中落地，针对业务场景做算法调优和效果提升；
3.追踪业界前沿的语音合成及相关技术，探索并储备新技术能力。