薪酬概览
平均月薪
¥37700
中位数 ¥30000 ｜ 区间 ¥26900 - ¥48600
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
57.1% 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
6月新增岗位
8
对比上月：岗位减少7
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 | 33.3% |
| 1-3年 | 2 | 33.3% |
| 不限经验 | 2 | 33.3% |
热招职位
1、负责激光雷达点云的前沿感知算法的研究和开发，基于传统算法和深度学习模型实现目标检测、环境建模、噪点分割、语义聚类等任务；
2、负责激光雷达感知算法在实际产品中的落地应用，包括但不限于内外参标定算法实现、深度模型的优化和部署等；
3、负责激光雷达的数据采集和标注方法的开发和维护，维护数据库的正确性和完整性；
4、结合激光雷达系统能力和点云感知算法，优化雷达性能表现并不断拓展激光雷达应用场景。
1. 研发、跟踪、改进前沿多传感器测算法，实现包括但不限于视觉和稀疏深度的目标检测，深度估计，语义感知等任务。
2. 负责算法在实际产品中的落地和优化，不限于优化深度学习模型结构，快速实现模型量化、压缩与部署加速；
3. 负责搭建完整的数据闭环Pipeline和数据处理/数据测评系统，保证训练稳定和交付可靠。
1、负责激光雷达点云的前沿感知算法的研究和开发，基于传统算法和深度学习模型实现目标检测、环境建模、噪点分割、语义聚类等任务；
2、负责激光雷达感知算法在实际产品中的落地应用，包括但不限于内外参标定算法实现、深度模型的优化和部署等；
3、负责激光雷达的数据采集和标注方法的开发和维护，维护数据库的正确性和完整性；
4、结合激光雷达系统能力和点云感知算法，优化雷达性能表现并不断拓展激光雷达应用场景。
负责研发和优化视频生成相关算法，包括基于深度学习的图像到视频、文本到视频等模型。
探索最新的生成模型技术（如Diffusion Models、GAN、Transformer等）并结合业务需求进行创新。
设计视频生成的整体技术架构，保证模型训练、推理和部署的高效性与稳定性。
协同前端、后端工程团队完成视频生成系统的产品化落地。
分析视频生成效果，持续优化模型质量、生成速度和用户体验。
1. 27届硕士及其以上学历。
2. 了解大模型基本知识和体系。
3. 具备较强的代码实现能力。
4. 有大模型训练经验者优先。
5. 工作态度认真负责。
加分：有多模态推理、工具调用、RLHF/RLAIF
关注前沿模型和 Agent 框架，动手能力强
1、较强的算法实现能力,熟悉深度学习平台如tensorflow,pytorch等;
2、对前沿的模型相关研究掌握清楚,熟悉Diffusion,Transformer,DiT等生成模型框架;
3、有大模型(视频,3D/4D,多模态)训练实战经验;
4、具有应用大规模神经网络解决相关实际问题的实践经验,能够针对适当的数据和模型的表现,选择恰当的调参、训练任务选择、训练数据增强、目标函数变化等策略来确保超大型模型的训练成功率,并且能够解释策略背后的直觉来源并用严格的数据验证自己的假设。
1、三维导航系统开发：基于激光/视觉SLAM实现动态场景重建，开发多目标路径规划算法，设计运动学控制接口适配UR/Unitree等机器人平台；
2、多模态模型工程化：优化视觉语言模型在导航任务中的推理效率，实现多传感器标定工具链，构建仿真-真机数据闭环系统；
3、导航智能体开发：开发面向导航的任务规划与决策等模块开发，设计知识图谱增强的检索系统，探索多智能体协作策略；
4、技术文档编写：编写软件设计文档、调试报告及相关技术资料。
1.负责复杂系统的数学建模与智能优化算法研发，通过 Python/Matlab 完成参数化模型代码开发，研究系统机理与量化实现方法；
2. 基于代码集成敏感性分析、多目标优化等算法，代码化落地仿真驱动的自动化设计优化闭环；
3. 参与模型库体系建设，制定模型描述规范、代码接口标准，实现模型代码可复用、可扩展；
4. 对接求解器开发团队，通过程序批量校验模型精度与算法性能，推动算法在业务场景中的落地应用。
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。
【北斗实习】广告大模型应用算法工程师-【生成式召回链路升级】
【课题说明】本课题目标打破传统推荐系统的召回范式，在LBS服务零售场景下，借助LLM的世界知识与推理能力，构建融合业务特点的生成式召回架构，实现效果突破。主要挑战在于服务零售行业需求差异大、服务非标准化，在召回过程中同时把控个性化和相关性。课题将重点设计基于LLM的生成式召回架构，通过领域知识增强与业务目标微调，结合传统稀疏模型的记忆能力与LLM的泛化推理能力，优化端到端目标一致性、长尾query/item的冷启动等问题。【建议研究方向】1.推理生成：基于生成式架构引入think过程，结合服务零售行业特点，推理用户真实需求，进而生成更匹配用户诉求的候选。
2.LBS码本优化：基于多模态表征优化语义ID的构建，同时融合时空位置信息与商户服务特征，提升本地生活场景下的地理相关性建模与长尾商户曝光。
3.链路融合：基于生成式架构统一建模传统“召回-粗排-创意-精排”漏斗，端到端建模优化目标一致性。
岗位职责：
1、参与产品线规划，承接产品概述产品PD，负责产品立项与产品开发过程中的目标制定，组建项目开发团队并监督执行；
2、负责产品的全生命周期管理，基于项目管理工具和方法，从产品需求、规划、开发、测试、试产、量产、变更及优化（包括VQCT的各个方面）等环节进行全过程管理，有效组织内外部资源，确保项目VQCT达成预期；
3、依据产品上市后的市场表现，优化产品改善，快速将相关措施落实导入，参与制定退市计划，对量产交付和试产反馈的问题有效管理和闭环；
4、过程中运用各种工具，立项前完成费用预算（研发人力/非人力），项目过程中对研发相关费用进行有效管控，出现异常时制定相应改进措施并监督执行，最终达成预算可控，推进项目费用核算到具体项目中；
5、在项目过程和结束时及时总结，形成项目和组织资产，落实系统性改进并持续优化项目管理制度；
6、培养和建设产品开发团队，完善人才梯队。
1. 负责 Web 应用项目的软件测试执行，包括功能测试、回归测试、兼容性测试及基础性能测试。
2. 根据产品功能规范和项目时间节点，制定测试计划，完成测试用例设计、执行，并输出测试报告与问题清单。
3. 参与自动化测试体系建设，编写并维护 UI 自动化、接口自动化测试脚本，提升回归测试效率与覆盖率。
4. 负责持续集成流程中的自动化测试任务配置与执行，跟踪测试结果，推动缺陷闭环处理。
5. 参与压力测试/性能测试方案设计，完成测试环境部署、测试执行及性能分析报告输出。
6. 与产品、开发、运维团队协同，持续优化测试流程和质量保障机制。