薪酬概览
平均月薪
¥31500
中位数 ¥0 ｜ 区间 ¥22000 - ¥41000
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
60% 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
38
对比上月：岗位新增34
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 |
|---|---|---|
| 3-5年 | 19 | 40.4% |
| 5-10年 | 19 | 40.4% |
| 不限经验 | 9 | 19.1% |
热招职位
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. 负责视觉生成大模型 Post-Training 核心算法研发，包括 RL、蒸馏、reward model等，持续提升生成结果的质量与多样性
2. 跟踪视觉生成领域的最新学术进展和行业动态，鼓励发表高水平论文和开源成果，提升团队算法影响力
3. 参与高质量训练数据的构建与合成，包括但不限于数据清洗、标注与评估体系搭建等
4. 探索多模态理解与生成统一架构，探索视觉感知与生成能力的协同演进，推动文本、图像、视频等多模态信息的联合建模
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。