薪酬概览
平均月薪
¥26800
中位数 ¥25000 ｜ 区间 ¥19400 - ¥34100
数据来源：谈职全网14份招聘数据；更新时间：2026年7月13日
月薪分布
71.4% 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
20
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 |
|---|---|---|
| 1-3年 | 2 | 11.8% |
| 3-5年 | 8 | 47.1% |
| 5-10年 | 2 | 11.8% |
| 不限经验 | 5 | 29.4% |
热招职位
PNC组介绍：在自动驾驶系统中，决策规划与控制可以类比为人类的大脑与神经。确保“大脑与神经”正确高效地“思考”和安全舒适地“执行”，是一个优秀的规划与控制组的职责所在。规划控制团队分为决策团队、规划团队和控制团队。决策规划部门的主要目的是在复杂的无人驾驶环境中找到安全的行驶方案，例如通过人类驾驶的数据分析何时进行变道，对前方车辆是跟随还是绕行。决策规划部分还要从路上的真实数据中学习人类驾驶的共识，比如道路拥堵时到底什么时候能变道，后车要怎么表达出它是否让行，进而思考如何把这种共识应用到具体算法中。此外，决策规划要能将不同的未来收敛到当选确定的行为中。控制部分则是负责将上述的行为严格地执行到车辆上。
工作职责：
· 负责自动驾驶车辆控制算法的开发、实现和测试工作；
· 与其他开发人员完成系统集成和调试工作。岗位需求：
· 本科以上学历，理工科相关专业· 熟悉车辆的横纵向动力学模型，了解现代汽车底盘及其基本工作原理
· 熟悉PID,MPC,LQR等经典控制算法· 有扎实的编程基础，有c/c++经验
· 有自动驾驶相关经验或在Tier 1做车辆控制开发经历优先
1、VCU软件维护与集成： 负责VCU应用层软件的日常维护、Bug分析与修复；完成通讯矩阵及整车需求的适配。
2、控制算法开发： 开发整车扭矩管理、能量回收及上下电逻辑；负责底盘动力学相关算法（如防抖动、平顺性控制）的设计与实现。
3、仿真验证与调校：负责MIL/SIL/HIL测试用例编写与执行；配合标定工程师进行实车调试，优化驾驶性表现。
4、工程文档管理：负责软件需求(SRS)、设计说明(SDD)及接口定义等开发文档的编写与维护。
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。
1.评测集自动构建技术：研究跨模态通用的评测集自动生成方法，构建不同模态（文本/图像/视频/音频/3D 等）评测集生产框架；研究动态评测集与抗污染技术，解决各模态静态评测集被"刷榜"后失效的通用问题；探索面向模型弱点的定向探测数据生成，通过错误模式分析自动生成针对性测试样本。
2.自动裁判技术：构建多模态通用的自动评判算法框架，统一支撑文本质量评判、生成内容质量评估、交互过程评估等不同评判范式，设计可插拔的评判策略组件；研究LLM as a judge及Agent as a judge，支撑 Agent 轨迹的中间步骤质量评估、推理链路正确性验证、世界模型的时序物理一致性检验等既需要结果评分也需要过程评分的评判场景。
3.Agent评测技术：设计Coding Agentic应用的端到端评估算法，包括多轮对话质量建模、用户意图满足度预测、任务完成率估计等；研究评测信号与用户真实体验的对齐技术，通过线上行为数据反标定离线评测指标的有效性，构建离线评测可预测线上表现的校准模型。
1. 自然语言处理、机器学习、人工智能、计算机、电子与通信等相关专业的硕士生/博士生；
2. 熟悉LLM的基本原理和相关算法，具备良好的逻辑分析能力和数理基础，在顶会（如NeurIPS、ICLR、ICML等）或期刊上有论文发表者优先；
3. 熟练掌握Pytorch等深度学习框架，扎实的编程基础，具备独立的算法实现能力；
4. 参加过ACM/ICPC、CCPC、NOI等算法竞赛获奖者优先。
5. 学习能力强，对新事物有好奇心，对所在领域有热情，善于独立思考并反思总结；良好的沟通能力和团队协同能力。
1. 跟踪业界主流大模型技术演进，结合业务场景进行模型选型与定制化设计；
2. 负责大语言模型/多模态大模型的预训练、指令微调、强化学习等全流程训练工作；
3. 实现大模型在生产环境的高效部署，包括模型量化、剪枝、蒸馏、KV Cache优化等技术；
4. 基于线上反馈与业务指标（如准确率、响应速度、用户满意度等）持续优化模型性能；
5.与产品、工程、数据团队紧密合作，推动大模型技术在实际业务场景中的规模化应用。
1.数据采集与融合建模
参与工业场景多源异构数据接入与预处理，构建多模态特征融合框架，包括时序数据、图像数据、物理空间信息；
2.工业智能分析算法实现与调优，负责算法单元测试与性能测试；
3.进行系统级数据对接与闭环控制，通过工业控制协议实现优化算法在生产侧的部署应用，改善通信延迟与指令响应时间；
4. 模型部署与系统集成支持
将算法模块封装为标准化API，配合团队接入生产管控系统，支持实时推理与结果可视化；参与模型性能优化（推理延迟、准确率），确保满足产线秒级响应要求；
5. 技术沉淀与文档输出
撰写算法方案设计文档、实验报告、模型训练与部署手册；配合工艺工程师完成算法效果验证，持续迭代优化。
1、负责机器人电机驱动及运动控制算法的设计与优化，包括轨迹规划、力矩控制、PID/自适应控制等模块；
2、研究机器人运动控制的前沿技术，提升系统在精度、稳定性和实时性方面的性能；
3、将算法部署到嵌入式平台，完成硬件-软件的联合调试，确保电机控制与机器人整体系统的协同运行；
4、支持技术团队解决产品开发中的复杂技术问题；
5、设计测试方案并完成算法性能验证，持续迭代优化控制策略以满足实际应用场景需求。
1.负责火龙漫剧/视频业务的推荐与搜索技术研发（包含但不限于传统搜推、LLM4Rec、AI搜索、生成式推荐等），提升用户体验，用户消费与时长，用户转化与留存等核心业务指标；
2.根据场景特点和产品定位，对全链路算法体系进行深度理解与优化，持续优化推荐/推荐算法；
3.结合大模型技术，升级推荐技术，提升推荐效果，解决实际业务问题；
4.紧跟学术界、工业界的前沿技术，结合实际的业务场景进行算法开发、落地，实现团队技术和业务的共同发展。
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。
