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. 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。
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. 熟悉常用的机器学习和深度学习算法，具备优秀的分析和解决问题的能力，良好的沟通协作能力；
4. 有机器学习、强化学习、信息检索、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在以上领域的国际会议或者期刊上发表过论文者更佳；
5. 有生成式搜索推荐或者搜推Agent算法等经验背景的同学更佳；
1. 负责智能客服和智能外呼场景下的Agent系统设计与开发，重点优化意图识别、知识问答、SOP流程遵循等核心能力，构建具备任务规划、工具调用、多轮对话能力的对话式Agent；
2. 参与大模型的训练与微调工作，包括SFT、PPO、DPO、GRPO/GSPO等对齐训练，针对客服垂直领域进行模型能力优化；
3. 设计并实现Agent Harness体系，尤其是Agent + Skills的相关落地，包括Skill编写、工具调用、上下文工程、记忆管理等核心模块，实现在各个场景落地，并取得效果。
4. 构建Agent和Skill评估框架，设计评测指标（指令遵从、任务完成率、话术质量、安全合规等），驱动Agent和Skill能力的持续迭代；
5. 跟踪Agent与大模型领域的前沿技术进展，推动技术创新并在业务场景中验证落地效果。
1. 计算机、人工智能、机器学习、数学或统计学相关专业硕士及以上学历，具备 LLM/AI Agent/搜索系统等相关领域经验。
2. 熟练掌握 Python，熟悉PyTorch或TensorFlow框架，深入理解大语言模型原理，掌握SFT/RL训练范式及Prompt工程。
3. 了解LangChain、AutoGen等Agent框架，熟悉Context Engineering、RAG、Tool Use等技术者优先；
4. 有完整Agent系统搭建经验者，或者在开源社区有贡献者优先；
5. 具备良好的自驱力和协作能力，能够将 AI 技术与业务目标结合推动落地。
业务技术-【急聘】大语言模型（LLM）算法工程师-AI软件研发方向
1. 专业背景： 计算机、人工智能、软件工程等相关专业硕士及以上学历，3年以上经验；精通Python及至少一种深度学习框架（如PyTorch）。
2. 模型经验： 具备扎实的NLP基础和LLM（如GPT/Llama）项目经验，熟悉预训练、SFT、RLHF等关键技术，有实际的大模型训练和优化经验。
3. 软件工程思维（重要加分项）： 理解软件研发全流程，熟悉代码分析、系统架构等；有将AI技术应用于软件工程（AI for SE）领域，或具备知识图谱、知识工程背景者优先。
4. 综合素质： 具备出色的问题拆解和解决能力，强自驱力与团队协作精神，对用AI解决复杂研发问题充满热情。
1、计算机/人工智能/数学等相关专业硕士及以上学历（博士及顶会论文发表者优先）；
2、熟悉 MoE 模型架构设计和原理，具有 MoE 模型预训练或强化学习训练实操经验者优先；
3、精通 Python 及 PyTorch/TensorFlow 等框架，具备 Qwen、Llama、Deepseek 等模型二次开发经验者优先；
4、深入理解 Transformer 架构、SFT/RL 训练范式及 Prompt 工程，了解 LangChain、AutoGen 等 Agent 开发框架，有完整智能体系统搭建经验者优先；
5、熟悉常用 RL 训练框架和训练技巧，有 Verl、ROLL 等强化学习训练框架使用经验者优先。
淘宝平台事业部-大模型算法应用工程师-Service Agent
1. 本科及以上学历，计算机、人工智能、数学等相关专业，1年以上大模型相关落地经验；
2. 精通 Python，并至少熟练掌握一门变成语言（Java/Go/C++），具备扎实的算法与数据结构基础，具备高质量的代码交付习惯与系统架构视野；
3. 熟悉LangChain、LLamaIndex、AutoGen 等主流 Agent 框架设计原理并有实际项目经验；熟练掌握 Prompt Engineering、RAG、Function Calling、CoT 等核心技术；
4. 具备强烈的问题驱动意识与极强的技术敏感度，善于利用 AI 新技术解决复杂的商业痛点； 持续关注 AI 前沿动态（如Gemini、OpenAI、Claude等），敢于在业务中尝试新范式。
【加分项】
1. Agent实战++，有复杂 Multi-Agent 协作或大型智能客服系统核心研发经验者优先；
2. 系统能力++，具备大规模数据处理与清洗经验优先，大模型应用性能优化实战经验；
3. 模型训练++，有过LoRA/SFT等微调实战，或参与过RLHF/DPO后训练流程者优先。
1. 计算机科学、人工智能、计算机图形学或相关专业硕士及以上学历
2. 两年及以上图形学方向（聚焦于3D生成、3D表征方面）工作经验
3. 熟练掌握 Python 和 PyTorch，具备扎实的深度学习工程能力，能够独立完成模型训练、调试、评测和推理部署优化
4. 熟悉主流生成模型与深度学习架构，包括但不限于 Transformer、U-Net、VAE、自回归模型、扩散模型、Flow Matching 等；了解常见预训练、微调和后训练方法，如 SFT、RLHF、偏好优化等
5. 具备扎实的计算机图形学和3D视觉基础：熟悉常见的3D表征，离线渲染、pbr材质体系、计算几何等相关理论与算法
6. 熟悉三维重建或 3D 生成相关方向，包括但不限于单图/多图 3D 重建、物体级 3D 生成、室内场景重建与生成、纹理生成、材质估计、部件级结构生成等
7. 熟悉 Open3D、PyTorch3D、Blender、Trimesh、Kaolin、nvdiffrast 等 3D 工具或渲染/几何处理框架者优先
8. 具备良好的科研能力与问题分析能力，有 SIGGRAPH / CVPR / ICCV / ECCV / NeurIPS 等顶会论文或相关研究经验者优先
1. 计算机科学、人工智能、机器学习、计算机视觉、自然语言处理或相关专业硕士及以上学历
2. 两年及以上工作经验
3. 熟练掌握 Python 与 PyTorch，具备扎实的深度学习基础和良好的算法工程能力
4. 熟悉主流生成式模型与深度学习架构，如 Transformer、Diffusion、Autoregressive Models 等
5. 对大语言模型（LLM）、多模态大模型及生成式AI技术有深入理解，熟悉SFT、RLHF、DPO、RAG、Agent等相关技术
6. 具备空间理解、场景生成、2D/3D布局生成、元启发式算法（如mcts、基因算法等）、约束优化、商品理解、用户意图建模或生成式推荐相关经验者优先
7. 有家具布局生成、智能搭配推荐、对话导购、推荐系统或多Agent系统相关研究或项目经验者优先
8. 在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、AAAI、ACL、EMNLP、KDD、WWW、RecSys等会议发表过LLM、多模态、推荐或AIGC相关论文者优先
9. 具备良好的科研能力与团队协作能力，能够独立推进算法研究、实验分析与技术落地
1、具备优秀的编码能力，扎实的数据结构和算法功底;
2、熟悉大规模机器学习/深度学习算法；
3、具有如搜索/推荐/广告等相关领域经验，时刻关注业内前沿技术；
4、对技术有热情，兼具务实且创新的精神，热衷于在实际工作中发现问题、验证问题、不断提出自己的想法和技术方案；
5、有良好的沟通表达能力, 具有团队精神, 有良好的团队协同能力；
6、在顶会（SIGIR、SIGKDD、ICML、NIPS、WWW、AAAI、CIKM、ACL、RECSYS等）或期刊上发表过论文者优先
1. 计算机科学、统计学或相关领域的硕士及以上学位。
2. 至少两年以上工作经验，具有强化学习在大模型的相关应用项目经验。
3. 熟练掌握深度学习、强化学习以及传统机器学习算法，有在风险评估或决策系统中应用这些技术的实战经验。
4. 擅长使用Python和至少一种深度学习框架（如TensorFlow或PyTorch），有良好的软件开发能力和编程习惯。
5. 具有优秀的数据分析能力，并能够对数据进行洞察以引导模型的建立和优化。
6. 具备在不确定环境下主动识别问题、分析问题并解决问题的能力。
7. 有出色的团队协作和沟通能力，能够在跨职能团队中高效合作。
8. 持续关注行业趋势和学术进展，对新技术抱有热情并愿意快速学习并应用于工作中。
作为核心成员参与到阿里巴巴智能设计、智能文档相关的业务，通过应用LLM与业务深度结合，打造自动化的智能文档技术（版面理解、要素抽取），以及打造智能设计（设计稿评分、设计稿组建理解、NL2Layout等）
1、核心算法研发： 负责智能设计与文档理解（Document Intelligence）领域的前沿算法研发，包括但不限于版面分析（Layout Analysis）、表格理解、元素对齐与美学评估、多模态图文融合生成等。
2、智能设计系统搭建： 研发自动化排版、智能海报生成、UI/UX自动化设计、PPT/文档自动美化等核心引擎。
3、版面理解与重构： 攻克复杂版面下的OCR识别、结构化解析、阅读顺序还原等技术难点，实现文档从像素级到语义级的深度转化。
4、前沿技术转化： 跟踪CVPR、ICCV、ECCV、NeurIPS、SIGGRAPH等顶会最新研究，将SOTA模型转化为可落地的产品原型，保持公司在智能办公/智能设计领域的领先地位。
5、工程优化： 负责模型在端云侧的部署优化，提升大规模文档处理的效率与鲁棒性。