南京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
¥24600
中位数 ¥0 ｜ 区间 ¥18300 - ¥30800
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
33.3% 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
1月新增岗位
5
对比上月：岗位新增1
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 | 2 | 50% |
| 3-5年 | 2 | 50% |
热招职位
1.协助研发图像分类、目标检测、语义分割、关键点检测等计算机视觉算法；
2.参与数据标注、清洗与增强流程，构建高质量训练数据集；
3.复现、调优和部署经典或前沿的视觉模型（如YOLO、Mask R-CNN、ViT、SAM等）；
4.在指导下完成模型训练、评估与轻量化（如模型剪枝、量化、ONNX转换等）；
5.编写清晰、可维护的代码，并撰写技术文档。
1、负责搜索推荐业务的算法系统搭建和效果优化工作，持续提升广告推荐效果和收入 ；
2、通过模型结构优化、场景化特征（应用商店/信息流/联盟)挖掘、多目标多场景联合建模等手段优化模型预估性能，包括粗排、CTR、CVR等各个排序环节 ；
3、基于业务理解和数据分析挖掘优化方向，驱动模型算法持续迭代优化，熟练使用hadoop/hive/spark等大数据组件。
1.负责制定和规划智能机器人产品线的技术发展战略与系统架构演进方向，确保技术选型的前瞻性和业务适用性。
2.主导智能机器人的全生命周期研发，从需求分析、系统方案设计、核心技术突破到测试验证，把控技术方向、研发进度与系统质量，解决关键瓶颈。
3.负责基于参考主流框架（如Autoware）的自主系统（OS）总体架构设计、核心模块定义与系统集成，推动相关技术的标准化与优化，确保系统的实时性、稳定性与可扩展性。
4.跟踪机器人/自动驾驶领域前沿技术，组织团队攻克在复杂场景下的自主导航、环境感知、智能决策等核心技术难题，主导关键算法的研发与集成。
5.深入理解行业应用场景，将业务需求转化为技术方案，推动智能机器人与行业解决方案的深度融合，并主导或深度参与量产方案的技术评审与落地。
6.协助管理核心技术团队，负责技术指导与人才培养。主导跨算法、软件、硬件、测试团队的协同，明确接口规范，解决重大技术冲突，保障高效协作。
1.负责设计并实现基于大模型的智能体（Agent）架构，包括：单智能体/多智能体协作、任务规划、工具调用、反思与自我修正等。构建可扩展、可复用的 Agent架构；
2.大模型能力集成与优化，结合业务场景进行Prompt engineering,RAG等；
3.面向不同场景设计智能体解决方案，持续优化可用性及稳定性，建立智能体效果评估指标与后端/前端协作，推动智能体在真实业务场景中落地；
4.负责输出技术文档、实验报告、应用报告，协助专利、论文、项目撰写。
1、负责户用光储、工商业储能、分布式并网逆变器及储充系统的功率控制、能量管理、电能质量优化等核心算法设计、仿真建模、迭代优化与整机验证，支撑分布式产品算法体系搭建；
2、负责承接分布式光储产品算法层面技术难题攻坚与闭环，牵头并网控制、离网稳压、功率平滑、谐波抑制等算法优化迭代，完善产品算法开发与验证体系，保障产品并网稳定、性能达标；
3、负责国内外分布式并网标准、电能质量规范梳理对标，配合完成产品认证测试、算法适配整改、性能对标优化，输出标准化算法方案与验证报告；
4、负责分布式产品线光储产品新型控制算法预研、现有算法迭代升级与性能挖潜，支撑产品差异化竞争力提升。
1.大模型研发与优化：参与视觉语言模型（VLM）或视觉-语言-动作模型（VLA）在自动驾驶场景下的预训练、微调（SFT）及指令遵循能力优化。
2.量化算法实施：针对 Transformer/Diffusion 等架构，研究并落地先进的量化算法（如 PTQ、QAT、FP8/INT8/INT4 量化），确保模型在有限算力下保持精度。
3.算法端到端部署：配合工程团队，将复杂的感知或决策模型转化为高效的推理引擎，解决量化掉点、算子融合等实际问题。
4.前沿技术跟踪：调研并复现相关的顶会论文（CVPR, ICCV, NeurIPS 等），探索大模型在自动驾驶长尾场景（Corner Cases）中的应用。
工作方向包括但不限于：智能驾驶、新能源、雷达、大数据、整车控制、机器视觉、图像、FPGA、SLAM、感知融合、决策规划：
1.协助算法工程师进行算法调试、标定、文档编写、测试环境搭建等工作；
2.负责人工智能方案在智能车领域的落地应用；
3.负责AI算法/神经网络等在嵌入式系统上的优化和部署；
4.参与运动控制或过程控制方向、原型设备开发与调试、信号处理、运筹与优化相关的算法设计、开发及验证工作。
1、作为技术接口人，主导与客户对接 L2/L2 + 级辅助驾驶功能规范的沟通确认，并统筹解决合作过程中的各类技术问题；
2、负责 L2/L2 + 级辅助驾驶的需求挖掘与开发工作，同时牵头开展应用层控制、人机交互及故障诊断等关键算法的研发落地；
3、统筹下层执行器（如 ESC、EPS 等）的性能验收工作，主导实车集成标定及欧盟 GSR 法规认证全流程，熟悉NCAP相关基本需求和测试方法；
4、承担 ADAS 领域 ISO26262 功能安全算法的开发任务，并负责相关单元测试的设计与执行；
5、负责解读国内外 ADAS 相关法规政策，开展需求开发及竞品对标分析；
6、确保在项目执行过程中，严格遵循技术开发计划及既定流程，交付符合要求的工作成果。
1.协助参与农业机器人智能控制算法开发与调试工作；
2.协助研发农机的自动驾驶路径规划与轨迹跟踪控制算法，实现直线、曲线、对角线等多种作业模式及地头自动转向功能；
3.搭建并维护基于Gazebo、Isaac Sim等工具的农机仿真测试环境，完成算法的虚拟验证与性能调优，降低实车测试风险。
1.负责AI相关技术在业务场景中的落地与应用，参与AI应用系统的架构设计与开发，构建高可用、高性能的AI服务，确保系统在生产环境中的稳定运行。
2.负责主流AI模型的微调、部署、推理优化及API集成工作。
3.跟踪前沿AI技术动态，解决AI应用开发过程中的技术难点，提升模型响应速度、准确率及用户体验。
4.与产品和研发团队紧密配合，推动AI产品从原型设计到上线交付的全流程。
一、测试执行：
按项目计划及客户要求，完成驻厂现场硬件系统测试、整车电气特性测试、热测试的全流程执行，独立把控测试进度。
负责整车冬季/夏季标定测试的现场操作与数据记录；
能够准确配置并使用整车测试设备、标定工具、热测试仪器，维护现场测试环境。
问题排查：
负责 DV 试验阶段的问题复现与初步排查定位，整理清晰的问题清单同步研发团队跟进。
记录测试过程中的偏差与异常，描述现象、发生条件、测量值偏差量，推动问题闭环。
二、文档与交付：
规范记录测试过程数据，按客户规范输出测试记录与初步测试报告。
整理标定测试结果、整车测试数据，确保数据可追溯，交付符合要求的测试文档。
三、客户对接：
对接客户现场需求，配合响应测试调整要求，保障项目整体进度。
遵守客户驻厂管理规范，维护公司驻场形象，保证履职稳定性。