薪酬概览
平均月薪
¥30700
中位数 ¥0 ｜ 区间 ¥23400 - ¥37900
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
55.6% 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
7月新增岗位
86
对比上月：岗位新增82
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 | 9 | 10.8% |
| 1-3年 | 28 | 33.7% |
| 3-5年 | 19 | 22.9% |
| 5-10年 | 9 | 10.8% |
| >10年 | 9 | 10.8% |
| 不限经验 | 9 | 10.8% |
热招职位
1. 基于企业办公场景和AI应用，以创新的方式产出企业智能辅助决策和办公流程自动化产品和系统。
2. 理解业务场景，发掘潜在需求，与业务方、产品经理、数据团队及其他技术团队进行有效沟通，确保技术方案符合业务需求并实施，具备可扩展性、可维护性和成本效益。
3. 主导关键技术栈、框架、工具和架构的选择和决策，同时平衡短期项目交付与长期技术储备。
4. 关注算法和工程领域的技术发展趋势（如新模型、新框架、工程实践），持续提升团队整体专业力和战斗力。
1. 研发具身场景自动标注与数据质量评估算法，覆盖运动、感知、具身规划等多层标注及多模态对齐，构建标注自动校验与质量评分体系。
2. 研究 Data-Centric AI 前沿方法（数据混合优化、主动数据选择、数据影响函数等），通过消融实验、归因分析等手段量化不同数据源对模型性能的边际贡献，探索具身场景下的数据 scaling law。
3. 基于价值量化结果制定并迭代训练数据配方（来源配比、质量阈值、规模规划），为数据飞轮的资源分配提供量化依据。
4. 负责具身数据预处理流程的算法设计，包括多模态对齐、轨迹平滑、异常检测与清洗等环节的规范化与自动化。
1、 研发面向仿真的3D生成与重建算法，覆盖单体资产（关节体、可形变物体等）到场景级环境，产出几何合法、物理参数完备、可直接导入物理引擎的高质量3D模型与可交互仿真场景；打通从真实采集数据到可编辑仿真场景的链路；
2、 研发面向仿真训练的高通量渲染管线，包括但不限于3DGS批量渲染优化、物理引擎与渲染的耦合更新机制、以及多环境并行渲染架构，支撑大规模视觉强化学习的实时视觉观测需求；
3、 探索Agentic场景生成等前沿方向，利用驱动场景的自动化构建与迭代；
4、 优化研究Sim2Real闭环相关技术：域随机化、Real-to-Sim重建、合成演示数据生成等，提升具身策略在真实环境中的泛化能力。
1、负责淘宝闪购场景下的核心搜索推荐场景流量分发机制设计与模型开发，提升商品和店铺的算法匹配效率及平台长期生态价值；
2、深入理解业务场景，优化算法模型，提高用户点击率和转化率，增强用户体验；
3、通过数据挖掘与分析，不断迭代算法模型，提升流量分发对平台目标的牵引能力；
4、参与算法团队的技术攻关，解决实际业务中的复杂问题，推动技术创新。
1. 计算机、数学或统计学相关专业硕士及以上学历；
2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础；
3. 有LLM算法优化经验，在智能客服、对话系统、知识增强（RAG）、AI Agent等领域有落地经验更优；
4. 具备优秀的分析问题和解决问题的能力、良好的沟通协作能力。
1、2年以上多模态或计算机视觉相关经验；有第一梯队大模型研发团队经历、CCF-A 类会议论文发表、或电商/零售行业落地经验者优先；
2、代码级熟悉VL开源生态，对网络架构、训练框架或推理优化至少一个方向有深入掌握；
3、具备大模型预训练或后训练完整实操经验；具备各阶段/多任务相互配合以及折中权衡等决策能力；
4、具备亿级别以上样本的查询、处理、调度等工程技巧；具备从数据和评测角度进行溯源和归因的能力；
5、 在真实业务场景中实现过外推泛化案例者优先。
1. 计算机、数学或统计学相关专业硕士及以上学历，博士优先；
2. 在强化学习、深度学习、机器学习、时序预测、统计分析等领域有一定的功底，3年以上工作经验，有推荐/搜索/广告等领域经验者优先；
3. 具备扎实的编码能力，精通至少一种编程语言，如C/C++、JAVA、Python等，熟悉至少一种开源深度学习框架，如Tensorflow、Pytorch等；
4. 对数据敏感度高，有良好的逻辑思维和定义以及解决问题的能力；
5. 良好的团队合作精神，具备快速学习的能力，优秀、严谨、皮实、乐观；
6. 有在如下期刊或定级会议发表论文者优先：强化学习、深度学习、机器学习、数据挖掘、计算广告学等相关领域。
1、计算机科学、人工智能、机器学习或相关领域的硕士及以上学历，博士优先。
2、在大模型训练（预训练/SFT/RLHF/强化学习）中具备扎实的实战经验，熟悉主流训练框架与分布式训练技术。
3、对Agent系统、工具调用（Tool-use）、多智能体协作等方向有深入理解，有相关系统设计或落地经验者优先。
4、熟练掌握PyTorch等深度学习框架，具备大规模模型训练、推理优化或在线服务部署经验。
5、具备在模糊和不确定性中独立判断与决策的能力，能在缺乏成熟方案的领域提出有技术品位的解决路径。
6、对“用AI重新定义购物体验”有强烈兴趣，有电商、搜索、推荐或对话系统相关背景者优先；在顶级会议（NeurIPS/ICML/ICLR/CVPR/ACL等）发表论文或拥有技术专利者优先。
我们能给你
1、场景稀缺性：数亿级日活用户 × 极其丰富的电商意图 × 可闭环的商业验证
2、技术纵深：从模型训练到Agent系统到产品体验，你可以一竿子插到底，而不是只做流水线上的一环
3、前沿密度：团队在RLVR、Agentic Training、多模态等前沿研究方向持续投入
4、影响力：你训练的模型、设计的Agent，会直接服务于淘宝用户
1. 硕士及以上学历，计算机、数学、统计学等相关专业，实验室方向匹配更好。
2. 具备3年及以上推荐算法或广告算法研发经验，有知名互联网企业（大厂背景优先）或顶尖学术机构相关经验者优先。
3. 精通机器学习、深度学习及强化学习等算法技术，熟悉Transformer、序列建模等模型，具备推荐系统全链路实现经验。
4. 熟练掌握Python/Java等编程语言及主流深度学习框架（如TensorFlow/PyTorch），熟悉大数据处理工具（Spark、Hadoop）及线上系统部署流程。
5. 对电商、社交或内容推荐场景有深刻理解，能将技术方案与业务需求结合，推动CTR、GMV等指标显著提升。
6. 具备良好的逻辑思维与问题拆解能力，善于跨团队协作与技术方案沟通，能在高压下快速响应业务需求并高效交付成果。
1、负责供应链大宗商品（如煤炭、氧化铝、石油焦、沥青等）相关多模态数据的收集、清洗、转换、整合，完成大数据统计分析与可视化呈现。
2、协助参与供应链业务场景智能体、自动化分析工具的搭建与优化，参与工具的测试、迭代，提升业务数据分析效率与自动化水平。
3、理解供应链核心业务场景（采购、仓储、交付、风险管控等），协助建立、优化业务逻辑模型与数据算法模型，重点聚焦在价格预测、成本精算、供应链风险预警等方向，参与模型的训练、验证、部署与迭代，确保模型贴合业务实际需求。
4、协助梳理业务需求，将业务问题转化为数据问题，输出数据分析报告与模型优化建议，推动算法成果在业务场景中的落地应用。
任职要求
1、硕士及以上学历，计算机、软件工程、数学、统计学、物理等相关专业。
2、具备扎实的数据结构、算法设计基础，熟练掌握数据清洗、转换、分析的基本方法，能独立完成基础数据分析挖掘任务。熟练使用Python、Java、C++、R等其中一门编程语言，熟悉Pandas、NumPy、Scikit-learn、langchain、LLM等处理库者优先。
3、了解机器学习、统计计算相关算法，包括但不限于分类、回归、聚类、自然语言处理（NLP）等方法；了解数学规划、启发式算法，对大模型、多模态数据处理有一定了解或兴趣者优先。
4、具备良好的数学基础（线性代数、概率论、数理统计等），能理解算法原理，具备一定的模型调优意识者优先。
5、有较强的学习能力，逻辑清晰，具备良好的团队合作和沟通能力。
1. 计算机、数学、统计学等相关专业硕士/博士优先，优秀本科生不受限制。有顶会论文（ACL/EMNLP/ICLR/NeurIPS/ICML等）或知名开源项目（LangChain/LlamaIndex/vLLM/AutoGen等）核心贡献者加分。
2. 深刻理解 Agent 架构范式（ReAct/Reflexion/LATS等），熟悉 RAG、Memory、Tool-Use 的工程实现原理。不仅会用，更懂其背后的系统约束与性能瓶颈。
3. 具备 Data-centric AI 思维，精通合成数据生成、轨迹构造与清洗算法。有 Self-Instruct、Evol-Instruct 或类似数据工程落地经验。
4. 能独立搭建 Agent 评测闭环，擅长通过 Bad Case 分析定位是“模型问题”、“Prompt问题”还是“系统/工具问题”。
5. 精通 Python/PyTorch，熟悉 Megatron-LM/DeepSpeed/vLLM 等训练推理框架。理解分布式系统、K8s、Serverless 等云原生概念，能与 Infra 工程师无缝对话。
6. 技术审美：追求“优雅且稳定”的系统设计，能区分“Demo 级 Trick”与“生产级 Solution”。
好奇心与动手力：对 AI Native 应用充满热情，能快速复现最新 Paper，主动尝试将前沿技术转化为平台能力。
加分项：
1. 有大规模 Agent 平台、IDE Copilot 或复杂工作流引擎算法研发经验。
2. 熟悉 CI/CD 流水线，有 MLOps/LLMOps 平台建设经验。
3. 在 Kaggle/天池等竞赛中获得 Top 名次，或在 Hacker News/GitHub 上有高星 AI 项目。
你将获得
业内稀缺的履历：同时掌握“大模型后训练”与“Agent 系统工程”两张王牌，成为下一代 AI 基础设施领域的顶尖专家。
清晰的成长路径：Agent 算法架构师 / Harness 技术负责人 / AI 工程化科学家——团队陪你沉淀方法论，影响集团级研发范式。
硬核的技术氛围：与一群既懂模型又懂系统的极客共事，拒绝内卷与形式主义，只为解决真问题而生。
1. 计算机、数学或统计学相关专业硕士及以上学历；有智能定价、用户红包、优惠券、营销自动化等权益发放相关领域项目实践经验
2. 具备扎实的编码能力，精通至少一种编程语言，如C/C++、JAVA、Python等，熟悉至少一种开源深度学习框架，如Tensorflow、Pytorch等；
3. 有较好的数理基础和逻辑思维能力，对算法充满热情，具备积极主动的求知欲，良好的沟通协作能力及抗压能力。
4. 有国际顶会发表过过论文优先，数学竞赛、天池等机器学习竞赛、ACM竞赛名次优异者优先。
加分项
1. 权益营销、因果推断、用户增长、RL、决策优化等领域有丰富经验的优先；
2. 有Agentic AI或AI Agent相关项目的设计与研发经验。
3. 熟悉分布式计算平台（如Spark, Flink, MaxCompute等），有处理海量数据的经验。