薪酬概览
平均月薪
¥43900
中位数 ¥0 ｜ 区间 ¥32700 - ¥55000
数据来源：谈职全网19份招聘数据；更新时间：2026年7月13日
月薪分布
63.2% 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
7月新增岗位
173
对比上月：岗位新增169
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 | 19 | 11.1% |
| 3-5年 | 86 | 50.3% |
| 5-10年 | 28 | 16.4% |
| 不限经验 | 38 | 22.2% |
热招职位
数据技术及产品部-具身智能数据算法工程师-worldsim方向
1、研发端到端仿真技术，基于机器人交互数据生成与策略动作对齐的多模态观测轨迹。
2、设计合成数据的质量评估与自动化标注体系，覆盖物理一致性、动作跟随精度、语义对齐、长时序稳定性等多维指标。
3、构建可扩展的合成数据引擎和闭环策略评估框架，使合成环境与策略形成交互闭环。
4、探索跨本体统一建模、长时序稳定推演、推理加速等关键问题，推动合成数据从研究原型走向规模化生产。
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。
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. 计算机视觉、人工智能、图形学等相关专业硕士及以上学历，2年以上业务研发经验；
2. 熟练运用PyTorch深度学习框架，具备扎实的生成模型开发与调优能力，熟悉Stable Diffusion、ControlNet等2D AIGC技术栈；
3. 了解SFT、DPO、RLHF等对齐训练方法，有实际微调或偏好优化项目经验；
4. 对3D打印、工业制造有浓厚兴趣，具备强大的自驱力和快速学习能力，敢于挑战技术难题。
【加分项】 具备多模态理解基础，能处理文本-图像联合建模任务，有领域知识注入或多模态指令微调经验者优先；
【加分项】 有3D打印、工业制造、产品设计或创意内容生成（如潮玩、文玩、IP衍生品）相关经验者优先；
1. 计算机、人工智能、机器学习或相关专业本科及以上学历（硕士优先），具备 1–5 年工作经验；
2. 熟练掌握 Python，熟悉 PyTorch 或 TensorFlow 框架，理解 Transformer 架构与大语言模型基本原理；
3. 具备大模型后训练实践经验，熟悉 Prompt Tuning、LoRA、RLHF、RAG 等主流方法，能独立完成小规模实验与调优。
加分项：
1. 有智能体（Agent）实际落地经验，熟悉 LangChain、LlamaIndex、AutoGPT 等框架；
2. 了解多模态内容理解、模型压缩或推理加速技术；
3. 有真实业务场景中的大模型应用案例，或在开源社区有贡献。
1. 计算机、人工智能、电子信息、数学等相关专业硕士及以上学历，博士优先；1年以上相关工作经验。
2. 具备扎实的机器学习/深度学习理论基础，持续跟进学术界及业界召回，排序，NLP等领域的算法模型；
3.代码能力扎实，精通Python/Java/C++中至少一门语言，熟练使用PyTorch/TensorFlow等至少一种深度学习框架。
4.具备优秀的数据分析、问题解决能力和良好的团队协作精神，有大规模机器学习/个性化推荐/广告/信息检索/自然语言处理相关领域工作经验；
加分项：
1. 在电商搜索、广告、推荐等相关领域有实际工作经验，深刻理解业务。
2. 有Agentic AI、运筹优化、因果推断、反事实预估等技术方向有深入的理解和相关项目实践经验。
3. 在CVPR, ICCV, NeurIPS, ICML, ICLR, ACL, SIGIR, KDD等顶级学术会议上发表过论文者优先。
4. 熟悉分布式计算平台（如Spark, Flink, MaxCompute等），有处理海量数据的经验。
5. 有开源社区贡献或在Kaggle等数据科学竞赛中取得优异成绩者优先。
1.硕士及以上学历，计算机、人工智能或相关专业；
2.熟悉多模态大模型（如 LLaVA、Qwen3-VL 等）和 Agentic 系统开发；
3.精通 Python，有 PyTorch 及主流 AI 框架使用经验；
4.具备良好的工程实现能力，能将模型高效部署到实际产品中；
5.对用户意图理解、对话引导或多模态生成有实际项目经验。
加分项：
1.有 AIGC、智能设计或工业软件相关背景；
2.熟悉前端交互逻辑，有产品思维和用户视角；
3.在 CV/NLP 领域有顶会论文或开源项目。
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。