薪酬概览
平均月薪
¥13600
中位数 ¥0 ｜ 区间 ¥11500 - ¥15700
数据来源：谈职全网10份招聘数据；更新时间：2026年7月13日
月薪分布
80% 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
4
对比上月：岗位减少2
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 |
|---|---|---|
| 1-3年 | 6 | 85.7% |
| 5-10年 | 1 | 14.3% |
热招职位
1、根据品牌推广需求及产品周期，执行年度及季度和月度的投放；
2、精通电商媒介投放，包括但不限于品牌类，合作类，效果类，新媒体和直播等媒介属性；
3、独立完成电商媒介策划方案撰写，执行排期制定，资源协调等，对效果负责；
4、与活动供应商日常沟通并对之进行管理评价，综合统筹预算及和时间把控，进行预算合理规划使用。
1. 有3年以上的产品设计工作经验，有电商/品牌广告经验的候选人会优先考虑。
2. 需要具备良好的逻辑和抽象能力，能够总结复杂的需求并提炼成产品能力，要有商业思维。
3. 具备良好的沟通和组织能力，能够跨团队高效协作，以推动项目顺利达成目标。
4. 职责心强，自驱力强，具有聪明好学、抗压能力强等特质。
本岗位聚焦于多模态大模型的数据计算、数据编排方向，包括但不限于以下职责：
1. 开发高性能的分布式数据处理引擎，实现多模态等非结构化数据的高效处理；
2. 深入结合大模型分布式并行机制，设计实现通用、高吞吐、可扩展的数据编排引擎，提升大模型训练效率；
3. 持续跟踪大模型技术，对引擎不断迭代升级以满足大模型技术演进对数据处理的需求。
1. 负责IC芯片可靠性测试方案的设计与制定，保证芯片可靠性试验的实施
2. 负责芯片及产品的可靠性寿命评估、失效分析，并针对失效结果提出适当的解决方案
3. 负责 DVS/EVS/Vmin/CHAR/Burnin DOE 等程序的方案制定、数据收集及分析、对结果进行评审和改进
4. 参与可靠性硬件设计，芯片筛选和各读点测试，负责输出芯片可靠性测试报告
1. 全芯片Floorplan规划（Partiton/IO assignment)。
2. 子系统及模块的物理设计，包括物理综合,Floorplan,Place&Route, 优化PPA, 完成Timing/IR/EM/DRC/LVS/ERC收敛。
3. 完成芯片签核(Sign-Off)及交付。
4. 优化后端设计流程和方法。
5. 熟悉Full Chip IR/EM Sign-off 或 Full Chip PV Sign-Off(DRC/LVS/PERC) 是加分项。
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。
你将作为Qoder全家桶产品（Qoder、QoderWork、QoderWake）面向企业客户的技术代言人，在售前阶段独立完成从需求调研到方案交付的全过程。面向客户的产研人员，深入洞察客户在软件研发效率上的真实痛点，并转化为可落地的AI编程解决方案；面向非研发人员，深入洞察客户在办公提效上的真实痛点，面向市场、营销、财务、法务、人事等不同职能岗位，提供场景化的解决方案。此外，能够熟练的使用Qoder全家桶产品进行技术演示和POC场景搭建，赢得客户信任，推动项目签约。
数据技术及产品部-大模型算法研发工程师-LLM&Agentic RL
1、负责Agentic大模型相关算法开发与优化，开发性能达到业界sota的Agentic大模型并能在实际业务场景中应用落地
2、针对Agentic模型的训练特点，探索Agentic数据的合成策略与后训练数据配比策略，探索稳定高效的Agentic RL 方案，持续迭代模型在Agent场景的应用性能
3、探索创新Agentic RL算法，撰写发表创新论文或技术报告，参与模型开源，和社区、学术界保持良好的交流。
1、负责多模态数据处理链路的推理优化，分析性能瓶颈，软硬件结合优化，实现包括语言识别、计算机视觉等多方向的推理优化，达到极致性能；
2、负责多模态数据处理链路的可观测性工具建设，包括数据处理、模型推理的监控、告警等；
3、负责异构资源（GPU、CPU等硬件）的调度优化，实现潮汐资源、混部资源、多云资源的最优化调度
4、负责集群和业务服务的稳定性治理、资源利用率提升，通过系统化方式提高GPU、CPU等硬件资源的使用效率。
5、参与设计高吞吐、低延迟的数据处理 pipeline。针对大模型数据处理场景（如LLM、多模态），优化数据清洗、预取、缓存及异步加载策略，确保数据大规模产出。
1. 负责内容安全领域的大模型算法研发与落地，构建面向国际及国内多场景（如商品审核、社区内容、广告等）的智能识别与风险防控体系；
2. 设计并实现基于大模型的自动化审核系统，提升审核效率与准确率，支持高并发、低延迟的在线服务；
3. 负责商品治理领域的风险防控算法研发与落地，面向数十亿级商品库，构建覆盖假货、侵权、山寨、劣质、滥发等核心场景的智能识别体系，通过大模型驱动的内容理解、行为建模与知识推理技术，提升风险识别准确率与自动化处置能力，保障消费者购物体验与权利人平台权益，支撑电商生态健康可持续发展；
4. 探索大模型在内容理解、行为建模、团伙识别、跨语言语义分析等方向的应用，推动从传统规则/小模型向知识驱动AGI范式的演进；
5. 构建可解释、可迭代的知识生产闭环，支撑风险感知、策略生成与防控标准动态更新；
6. 参与大模型训练、微调、推理优化及部署全流程，提升模型在真实业务中的泛化能力与稳定性。
负责搭建并管理面向多模态视频领域大模型的全链路数据体系，包括数据评测、加工、合成与标注。作为模型算法团队与数据采集团队的核心桥梁，确保高质量、多样化数据供给。主要工作包括以下：
1. 评测体系构建：主导多模态视频领域大模型的评测标准制定，建立涵盖理解、生成、对齐、安全四大维度的评估框架，设计人工评测与自动评测相结合的混合评估方案，搭建评测数据集、生产管线，建立与SOTA模型（GPT-4V、Claude、Gemini等）的对比评测机制，输出专业评测报告。
2. 数据链路架构：构建大规模多模态训练数据的全生命周期处理链路：采集→清洗→去重→质量筛选→格式标准化→安全过滤，搭建数据质量监控体系，建立数据价值评估模型，确保高信息密度数据的持续供给；
3. 标注规范与质量体系：制定细粒度多模态标注规范：图像详细描述、视频时序标注、跨模态对齐、复杂推理链标注等；建立分层质检机制：机器预检→人工抽检→专家终审，确保标注的质量；设计标注人员培训体系与能力认证标准，搭建领域专家标注团队。
1、负责人工智能相关产品的数据和算法等场景测试，并基于算法和工程团队现有质量问题给出合理化的建议和解决方案，推动落地实现算法质量提高；
2、协同算法团队和工程团队进行全面的质量把控和风险监控；
3、参与数据和算法的质量系统建设，完善算法全链路质量保证能力，提交算法落地和工程效率。