薪酬概览
平均月薪
¥49200
中位数 ¥0 ｜ 区间 ¥35800 - ¥62600
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
68.4% 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
163
对比上月：岗位新增151
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 | 28 | 16.4% |
| 3-5年 | 96 | 56.1% |
| 5-10年 | 38 | 22.2% |
| 不限经验 | 9 | 5.3% |
热招职位
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. 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. 硕士及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业优先；
2. 具备扎实的软件工程与机器学习基础，熟悉 Python/JAVA 等至少一门主流编程语言；
3. 熟悉 SFT、DPO、GRPO、RLHF 等主流后训练方法，能够结合业务场景说明不同方法的适用边界；
4. 熟练应用 LoRA、QLoRA、分布式训练、混合精度、Checkpoint 管理等训练工程方法，具备训练任务执行与实验分析经验；
5. 具备训练数据构建能力，能够完成指令数据、偏好数据、拒答数据或评测回流数据的整理、清洗、标注与质量控制；
6. 具备较强的业务理解能力、逻辑分析能力和跨团队协作能力，能够持续推动模型效果优化与业务落地。
加分项：具备垂直业务场景大模型后训练、评测与持续优化的完整实践经验，能够围绕业务目标形成训练-评测-迭代闭环。
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、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. 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. 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。