薪酬概览
平均月薪
¥29800
中位数 ¥24000 | 区间 ¥22700 - ¥37000
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
66.7% 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
5月新增岗位
10
对比上月:岗位新增4
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 | 5 | 100% |
热招职位
1、硕士及以上学历,1年以上搜索推荐广告相关工作经验;
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、熟练掌握常用的机器学习或深度学习算法,并且有实际运用以及算法优化经验;
4、在KDD、SIGIR、WWW、ICML、NeurIPS、RecSys等国际顶会发表过相关论文者优先。
1、计算机科学、人工智能、数据科学等相关专业;
2、1 年以上商品算法或搜索推荐算法相关工作经验;
3、熟练掌握 Python, SQL,能够独立完成复杂数据查询、加工和分析,有大规模数据处理经验(10亿级数据量以上优先),熟悉 Linux 开发环境;
4、多模态算法:
○ 熟悉计算机视觉(CV)和自然语言处理(NLP)基础算法
○ 有图像分类、目标检测、图像检索、文本分类等实际项目经验
○ 熟悉主流大语言模型(LLM)的原理和应用,有Prompt enginering、RAG、Agent方向实践经验。
○ 熟悉主流多模态大模型(VLM)等多模态预训练模型的原理和应用,有图文匹配、VQA、视觉内容理解等实践经验。
5、要求具备商品理解、向量检索与召回、聚类算法一个或多个领域的项目经验积累,具备扎实的编程与工程能力。
1. 学历背景
• 计算机科学、人工智能、数学、电子工程等相关专业硕士及以上学历
2. 技术能力
• 精通深度学习和机器学习基础理论,熟悉Transformer架构及LLM原理
• 熟练掌握PyTorch/TensorFlow等深度学习框架
• 精通Python编程,熟悉Java/C++中至少一门语言
• 具备分布式训练、大规模数据处理等工程能力
3. 经验要求
• 2 年以上大模型相关算法研发经验
• 有SFT、强化学习等后训练技术实践经验
• 具备将AI技术在实际业务场景落地的工程经验
加分项
1、在NLP、CV、多模态等领域国际顶会(ICLR、NeurIPS、ICML、ACL等)发表论文
2、主导过知名开源项目或有重要贡献,参加过ACM/ICPC等算法竞赛获奖
3、有智能客服、对话系统、代码生成、企业智能助手 等相关业务经验
4、熟悉RAG、Agent、多模态理解等应用技术
5、优秀的问题分析和解决能力、良好的沟通协作能力和团队合作精神
6、强烈的技术热情和自驱力、对AI技术发展趋势有深入洞察
1、AI摘要Agent研发:
- 设计并实现基于LLM的搜索摘要Agent,提升对搜索结果与旅行内容的理解、推理与结构化总结能力。
- 探索 LLM Reasoning 技术(思维链、多步推理),优化复杂查询的 Deep Research 模式,实现长文本理解与跨内容/跨商品的信息融合。
- 构建端到端系统,涵盖意图理解、知识与商品检索、结果生成与偏好对齐,持续提升用户体验。
2、AI搜推链路升级:
探索搜索/推荐引擎与大模型、机器学习、强化学习等前沿技术的结合,推动AI搜推链路重构与系统优化,结合内容与时空热点属性,构建场景化的导购引导。
3、模型优化及应用:
- 通过指令微调(SFT)、偏好对齐(RLHF/DPO)等技术优化模型在搜推场景的适应性。
- 探索多模态信息(文本、图像、视频、结构化数据)融合的搜索与生成技术。
- 参与统一搜推大模型建设;
1. 集团多种业务场景下,对千亿级流量进行攻击流量识别、人机识别相关算法研究;
2. 通过 LLM 对海量流量及各端审计数据进行分析,不断提升大模型在流量识别场景下的分析及归因能力;
3. 搭建端云协同的风控模型系统,不断提升各类异常流量的防控能力;
4. 跟踪风控领域前沿技术,结合多模态数据,进行原型系统的研发和验证
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。
飞猪正在重构下一代 AI Native Search,打造旅行行业的AI搜索引擎。我们希望通过大语言模型、Agent、Reasoning、Semantic Retrieval 等技术,构建能够理解用户真实需求、具备推理能力的新一代搜索系统。如果你希望参与搜索范式的变革,而不仅仅是调排序模型,这将是一个非常好的机会。
你将负责
1)构建 AI Native Search Engine,提升复杂旅行需求的搜索理解与满足能力;
2)设计并实现基于LLM的 Query Understanding、Constraint Reasoning、Intent Planning等核心能力;
3)探索Agent驱动的搜索范式,Reason Search、Intent Navigation、端到端生成式检索等能力;
4)研发 LLM Re-ranking、多目标优化及搜索决策模型,提升用户体验与业务指标;
5)跟踪 Agent、Reasoning、RAG、Memory、World Model 等前沿技术,并推动业务落地。
1.围绕办公场景(办公、IT、人力资源、财务、法务等场景)参与设计先进的Agent架构(记忆模块、规划模块、工具调用模块等),在各个场景落地,并取得效果
2.通过Harness Engineering的相关技术,来提升LLM或者Agent在垂域的效果,通过调优来提升整个效果
3.联动工程与算法团队,深度参与设计“办公领域通用Agent框架”。通过对办公SOP的算法抽象,建立标准化的意图理解、工单结构化与任务分发机制,实现Agent能力在不同职能场景间的快速迁移与规模化协同
4.通过Vibe Coding来快速进行Harness Engineering相关的探索与实验,进一步探索 办公领域AI-Native 开发范式
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。
负责直播及视频场景下的内容安全算法研发与前沿技术落地,聚焦实时互动流中的风险识别、圈流决策、攻防对抗与LLM/VLLM/Omni大模型审核定性。
核心工作包括:
围绕直播间多主体行为序列(主播口播、观众互动、水军协同等),设计并优化风险识别模型与策略体系,实现从"单条内容审核"到"整场行为理解"的能力跃迁;
构建圈流-识别-审核三阶段决策引擎,在召回率≥95%的约束下持续降低误报率,实现审核链路的大模型自动化完结,平衡审核成本与安全效果;
设计自进化闭环系统,通过agentic/skill技术链路实现规则挖掘、识别点自动迭代与OOD鲁棒策略,应对攻击者持续变换话术/脚本的对抗环境;
参与内容安全大模型在直播/视频场景的落地,探索大小模型协同(线上小模型推理+大规模LLM训练/蒸馏/RL)的工业化路径。
1. 计算机、数学、人工智能等相关专业硕士及以上学历,3年以上算法研发经验,有用户权益算法和用户增长算法经验者优先
2. 具备良好的代码实现能力,熟练使用至少一种开源深度学习框架(如PyTorch、TensorFlow)
3. 精通深度学习/强化学习、因果推断、在线运筹技术,具备推荐系统全链路、多模态/大模型落地经验
4. 具有良好的逻辑分析与问题拆解能力,能快速学习前沿技术,并推动技术方案与业务场景的深度融合
5. 对电商、社交或内容推荐场景有深刻理解,熟悉用户增长策略、营销策略,能快速将技术方案转化为业务价值
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。