薪酬概览
平均月薪
¥21100
中位数 ¥0 ｜ 区间 ¥16200 - ¥26100
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
40% 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
9月新增岗位
3
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 |
|---|---|---|
| 3-5年 | 1 | 50% |
| 不限经验 | 1 | 50% |
热招职位
【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。
1.深入了解风控业务的需求，根据需求开发风控模型，包括：反欺诈模型、行为模型等。
2.参与模型工程化平台设计与建设，推动模型开发与应用。
3.持续跟踪和研究行业最佳实践，不断提升模型的效果和性能，探索机器学习/复杂网络/NLP/知识图谱/大模型等技术在信用评级、欺诈侦测等领域的应用。
4.能在公司风控、销售、贷后、审批等各流程中应用不同的AI技术赋能业务，并挖掘不同业务场景下海量文本数据并结合系统中视频、音频、埋点等数据打造智能化的AI助手。
我们诚邀深耕计算机视觉前沿算法领域、基础功底扎实、具备独立科研创新能力的算法工程师加入以世界模型三维重建为核心技术方向的算法团队。你将深度参与底层算法设计、基础视觉模型研发与技术创新工作，主导 / 全程参与需求定义、模型架构设计、算法工程实现、落地验证与迭代优化全链路研究工作。立足前沿技术解决高保真、快速重建的技术瓶颈与业务核心痛点，持续驱动产品技术体验与业务效能升级，与团队共同攻坚前沿技术难题，打造业内领先、具备学术竞争力与工程落地能力的技术解决方案。
我们能够提供：
- 完善的成长体系：常态化技术培训、内部技术研讨交流；支持参与国内外行业学术会议及技术交流活动，具备清晰、规范化的职级晋升通道。
- 优质的工作环境：团队协作氛围融洽，推行扁平化管理模式，精简审批与业务流程；重视技术沉淀与创新实践，核心成员均具备深厚行业技术积累，兼具浓厚学术研究与工程落地氛围。
- 充足的资源支持：配备高性能算力集群、完备的开发及测试环境；支持前沿技术调研与创新探索，项目实施过程中赋予研发人员充分自主决策权。
1. 负责数据挖掘（含文本、音频等模态的数据）的技术落地，涵盖监督/无监督/半监督学习、强化学习等算法体系。
2. 负责车载语音、多模态交互系统的机器学习算法相关模块（含垂域大模型）的研发与优化，提升用户体验。
3. 理解车载业务及业务要素，完成业务逻辑流程抽象与算法模型构建。
4. 参与车载语音知识图谱构建和问答、自然语言处理、推荐算法等前沿技术研发，完成基于图计算的关系推理与数据挖掘驱动的智能决策系统设计。
5. 跟踪业界前沿技术，持续优化车载语音交互系统的性能和准确率。
1.负责唯品会核心推荐场景（首页Feeds、今日特卖、长尾Feeds、特色栏目/活动会场）的召回/排序/重排算法迭代
2.负责解决推荐模型的关键问题：多场景/多任务，延迟转化，多目标选取/建模/融合，用户超长序列建模
3.负责基于唯品会商业模式/运营玩法，抽象关键问题，设计算法解法，兼顾用户/供应商/平台 三方利益，优化推荐人货匹配
4.负责对各推荐场景、推荐业务设计高效、高算力、成本节省的算法架构；
引领重构算法特征工程、模型平台架构，提效算法工程师迭代效率
任职资格：
1.良好的计算机专业基础(数据结构, 算法)；
2.有较为扎实的编码功底，熟悉c++，python、java编程等至少一种编程语言，有离线大数据开发能力；
3.对机器学习，深度学习有扎实的理论基础及应用，熟悉排序、召回、重排之中至少一个方向的业内最新工作，熟悉tensorflow2.0；
4.有推荐系统、广告系统、或搜索等大型系统相关的算法研发经验，参与过诸如广告点击率预估、个性化推荐模型、搜索排序模型等相关项目；
5.责任心强，积极主动；
6.计算机相关专业硕士及以上学位。
1. 负责手机关键影像算法的算法工程化,涵盖但不限于基础画质（如夜景、HDR、抓拍）、人像（如美颜、美妆、虚化）、相册类后处理（如合影、人像编辑）、AIGC图像生成与编辑等算法方案。
2. 负责影像全链路解决方案的设计与优化。分析现有算法叠加负载情况，针对不同使用场景，设计并优化叠加/时序调用策略，结合算法模块级定制优化，提升整体影像方案的竞争力。
3. 深度学习相关影像算法的端侧部署与模型定制化设计适配。
4. 团队协作配合，解决项目中影像算法遇到的问题。
【北斗实习】广告大模型应用算法工程师-【生成式广告混排系统】
【课题说明】本研究旨在探索广告系统在生成式架构下的新一代混排系统，在服务零售场景下研究“出价-拍卖-计费”等业务模块深度融合。本研究将重点攻关如何将传统链路中的精排与机制决策整合为统一的端到端奖励模型，以消除漏斗折损，并为最终实现LLM驱动的智能混排奠定关键的模型与策略基础。【建议研究方向】1.一体化建模：研究如何将广告多目标、出价信号及拍卖机制统一建模至一个混排模型。
2.训练与优化：设计融合博弈与机制设计理论的训练范式，优化长期商业生态目标。
3.系统协同：探索该模型与生成式召回模块的高效协同架构，并构建仿真环境进行机制验证。
1、构建适配业务场景的支付反欺诈策略体系，主要覆盖电诈、盗用等核心风险，建立策略效果评估体系与日常监控流程，探索并落地大模型能力在特征工程、欺诈防控和自动化判断中的应用，以及搭建事后用户服务的运营机制与自动化审理能力。
2、识别支付产品流程中的潜在欺诈风险点，针对流程、系统及策略层面薄弱环节提供优化建议，推动 AI 技术在风险感知和实时决策中的规模化落地。
3、推动「人 + AI」协同工作模式的建设，设计并优化 AI Copilot 辅助策略分析、报告生成、欺诈风险排查等流程，持续提升团队整体效率。配合完成系统需求梳理，参与反欺诈决策引擎和人工调查、申诉系统的建设，推动决策链路的 AI 化改造。
1、负责用户增长算法技术路线规划，主导拉新、促活、复购、留存全链路算法研发；
2、推动搭建增长算法平台，建设触达、召回、让利、转化承接等关键漏斗能力；基于用户生命周期（引入期→成长期→成熟期→衰退期），设计分层运营策略，提升转化率和用户留存。
3、驱动数据化增长运营，建立用户增长观测分析体系，定位增长瓶颈，输出可落地的策略优化方案。
任职要求：
1、本科及以上，计算机/统计学专业，3-5年用户增长算法经验。
2、精通增长漏斗算法：触达、召回、让利、转化承接；掌握因果推断及机器学习算法。
3、能通过漏斗拆解及归因分析定位增长瓶颈；深度理解用户生命周期运营逻辑，设计可量化的增长策略。
关于我们人工智能模型的表现很大程度上依赖于高质量的训练数据。文远知行的数据团队拥有专业的数据标注团队和系统，我们的算法团队致力于通过先进的模型和算法通过自动和半自动标注提高标注效率和质量。
职位描述：构建自动驾驶4d labeling系统和算法，开发多传感器或纯视觉的动静态对象自动标注算法；
职位要求：
熟练掌握Python，熟悉Pytorch、transformers等常用工具，具备常用数据结构及算法的扎实基础；扎实的Python/C++开发能力，具备良好的编程习惯；满足以下条件之一：精通多视几何、计算机视觉、机器人等基础知识，具有VIO/SLAM/SFM/3D视觉等算法开发和系统实现经验；熟练使用OpenCV、Eigen、G2O、Ceres、Colmap等库；熟悉深度学习在位姿、重建、地图等方面的算法和应用，熟悉Nerf、Gaussian Splatting等算法和应用；了解前沿4d labeling方法。加分项：具有自动驾驶研发经验；在顶级会议上发表过文章。
1. 大规模 3D/4D 数据生产全链路建设：负责面向 3D&4D 基础模型训练的数据生产链路，打通"数据→训练→评测→反馈→再数据"的体系。
2. 学术跟踪：持续跟进仿真、生成、重建、多模态合成等前沿技术论文，持续迭代数据闭环算法
3. 数据挖掘：基于模型表现与反馈，自动或半自动挖掘长尾场景、失败样本与高价值数据；针对关键能力短板制定数据补充与增强策略，输出数据看板与分析报告。
4. 数据-模型协同：紧密配合算法团队完成数据采集、评测基准构建，量化数据规模、多样性与标注质量对下游任务效果的影响。
1、探索Diffusion/Flow Matching等主流生成范式在大规模场景+动态场景重建中的应用与改进。
2、研究多种条件控制方式下的视频生成方案，提升生成内容的几何一致性、时序连贯性，并适应目标美学偏好。
3、以视频生成能力+3D/4D重建能力为基础，研究并构建面向真实场景的世界模型，探索任意场景的可控生成及未来帧预测的能力。
4、参与模型开发的所有阶段，包括数据整理、实验、评估和部署。