杭州自然语言处理算法工程师
自然语言处理算法工程师是负责研究和开发人工智能和计算机科学领域的专业人士。他们致力于开发能够理解、处理和生成自然语言数据的智能算法和系统。这些专家需要具备深厚的数学、计算机科学和机器学习知识，以便设计和实现高效的自然语言处理算法。他们通常会利用机器学习和深度学习技术来构建文本分类、情感分析、语义理解和机器翻译等应用程序。此外，他们还需要密切关注自然语言处理领域的最新研究进展，并将其应用于实际工程项目中。综合来说，自然语言处理算法工程师在推动人工智能和自然语言处理技术的发展方面起着至关重要的作用。
薪酬概览
平均月薪
¥32800
中位数 ¥30000 ｜ 区间 ¥24800 - ¥40700
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
50% 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
12月新增岗位
376
对比上月：岗位新增331
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 | 92 | 25% |
| 1-3年 | 92 | 25% |
| 3-5年 | 92 | 25% |
| 5-10年 | 92 | 25% |
热招职位
1. 计算机、数学、统计学或人工智能相关专业硕士及以上学历；
2. 具备 1 年以上机器学习/深度学习研发经验，有搜索、推荐、广告或运筹优化背景者优先；有 LLM 相关实践经验（如微调、推理优化、检索增强）者尤为欢迎；
3. 扎实的编程功底，精通 Python/C++/Java 至少一种，熟悉 TensorFlow、PyTorch 或 HuggingFace 生态；
4. 对数据高度敏感，具备优秀的逻辑思维能力，能独立定义问题并设计解决方案；
5. 具备良好的沟通协作能力，快速学习、严谨务实、抗压能力强，保持对技术的热情与好奇心；
6. 在 KDD、SIGIR、WWW、CIKM、ICML、NeurIPS、ACL 等顶级会议或期刊发表过论文者优先。
智能算法产品事业部-算法工程师-AIGC多模态方向-AI原生-视觉智能
【必备项】
1. 深入理解AIGC核心技术原理，涵盖扩散模型（Stable Diffusion、Flux、Qwen等）、自回归生成及多模态理解等方向，具备图像/视频生成、编辑或多模态相关项目的完整落地经验；
2. 工程实现能力扎实，熟练掌握Python/C++至少一门语言，熟悉PyTorch等主流深度学习框架，具备从算法原型到生产部署的全流程开发能力；
3. 对生成式AI保持高度热情与敏锐的技术洞察力，具备独立复现前沿论文并将研究成果快速转化为业务落地的能力；
4. 具备良好的沟通协作与知识分享意识，能与产品、工程等跨职能团队高效对齐目标、协同推进项目。
【加分项】
1.在CVPR、ICCV、ECCV、NeurIPS等学术会议发表论文，或在相关竞赛中取得优异成绩；
2. 具备计算机图形学、物理仿真、3D生成或大模型/Agent开发经验者优先考虑。
1688-3D AIGC 算法工程师 / 专家 (3D 纹理与色彩生成方向)-杭州
1、希望背景： 计算机视觉、图形学、人工智能或相关专业硕士及以上学历。
2、专业基础： 精通深度学习框架（PyTorch/TensorFlow），对 Diffusion Model、GAN、NeRF、3D Gaussian Splatting 等生成式 AI 模型有深入理解；具备扎实的计算机图形学基础，熟悉纹理映射、UV 展开、光照渲染原理及 3D 打印工艺流程。
3、项目经验： 有 3D AIGC、纹理合成、图像修复（Inpainting）或多视角几何重建相关项目经验；熟悉体素化数据处理或隐式神经表示（Implicit Neural Representations）者优先；有光照估计、高光/阴影去除或反渲染（Inverse Rendering）相关研究经历者优先。
4、编程能力： 熟练掌握 Python/C++，以及 libigl/CGAL/meshlib 至少一种 C++ 几何算法库；具备良好的代码规范和工程落地能力，能处理大规模 3D 数据（如百万级面片模型）。
加分项： 在 CVPR, ICCV, ECCV, SIGGRAPH, NeurIPS 等顶级会议发表过 3D 生成或纹理相关论文者；有开源 3D 生成项目贡献或 GitHub 高星项目作者；熟悉 3D 打印切片软件底层逻辑或有相关行业落地经验。
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. 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. 负责闪购场景下生成式商品推荐系统的设计与实现，推动 OneRec/OneSearch 等端到端架构在千万级 DAU 业务中落地。
2. 主导基于 Decoder-Only 架构的商品生成与排序算法，利用强化学习（RL）优化奖励系统，提升推荐的准确性和转化率。
3. 构建多模态用户表征体系，深度融合长短期行为，利用语义建模技术打造下一代用户标签体系。
4. 应用层级量化编码（RQ-VAE）等技术解决商品结构化难题，持续优化 CTR 和订单转化指标。
1、计算机科学相关专业（人工智能、计算机科学、电子信息工程、数学、统计等）；
2、扎实的技术背景，掌握深度学习/强化学习/LLM&AIGC等相关的基础知识，有相关的实践或研究经验；
3、熟悉 PyTorch，TensorFlow等深度学习平台；
4、有大模型&生成式出价、搜推广等方向优化经验优先；
5、有国际顶会发表过论文优先，参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并获奖优先；
6、具有快速学习能力，有责任感，良好的团队合作和沟通能力；
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