上海AI工程师
AI工程师是指负责设计、开发和部署人工智能（AI）系统的专业人员。他们利用机器学习、深度学习、自然语言处理和其他AI技术来开发智能系统，用于解决复杂的现实世界问题。AI工程师需要具备编程技能和数学知识，能够利用算法和数据结构来构建机器学习模型。他们还需了解大数据处理、云计算和分布式系统，以确保AI系统的高性能和可扩展性。除此之外，AI工程师还需要与跨学科团队合作，包括数据科学家、软件工程师和业务专家，以确定业务需求并将AI技术应用于实际场景。总而言之，AI工程师在推动人工智能技术的创新和应用方面起着关键作用。
薪酬概览
平均月薪
¥23900
中位数 ¥22500 ｜ 区间 ¥17800 - ¥30000
数据来源：谈职全网64份招聘数据；更新时间：2026年7月13日
月薪分布
51.6% 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
100
对比上月：岗位新增64
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 | 53 | 53% |
| 1-3年 | 14 | 14% |
| 3-5年 | 14 | 14% |
| >10年 | 2 | 2% |
| 不限经验 | 17 | 17% |
热招职位
1、负责交易场景核验，含车辆价格估值；
2、根据市场风险变化，对于汽车金融客群进行风险特征挖掘；
3、市场巡视与风险宣导，协助我司资产方向对于不良客群的资产保全；
4、上级交办的其他工作任务。
负责触控算法的研究与设计开发，解决触控屏幕在多种场景下的精度、响应速度及稳定性问题，挖掘突破机会点；
解决用户体验痛点问题，参与触控产品的算法设计、性能分析及改进，提升用户体验；
负责触控相关新技术的调研和应用，推动技术创新；
与硬件、软件团队合作，完成触控算法的集成与调试工作。
1、对接客户功能需求；
2、前角功能场景的路径规划和车辆控制算法开发；
3、城市十字路口复杂场景路况应对，特别针对无保护左转右转等场景；
4、ENCAP2026功能场景规控算法开发。
1.教育背景：2027届应届毕业生，计算机、机器人、自动化、电子工程、数学等相关专业硕士及以上学历;
2. 技术能力：
熟练掌握深度学习、强化学习、经典规划算法（如A*、LQR、MPC、Lattice Planner等）；
熟悉主流框架（PyTorch），具备模型训练、调优和部署经验；
编程能力扎实（Python/C++），熟悉Linux开发环境；
熟悉并有VLM/VLA大模型SFT与强化学习微调研究与开发经验；有大模型部署经验。
加分项
1.顶会论文（CVPR/ICRA/CoRL/IROS等）或专利;
2.熟悉大语言模型（LLM）在规划中的应用（如场景理解、决策推理）;
3.有量产项目经验或车规级部署经验.
1、计算机、人工智能、自动化等相关专业硕士及以上学历；
2、具备扎实的深度学习基础，熟悉 Transformer、BERT、ViT、CLIP、BLIP 等主流视觉-语言模型架构；
3、有大模型（VLM、LLM）训练/推理优化经验，熟悉其在多模态任务中的应用；
4、有 VLA 建模、生成式模型（如diffusion）、多模态强化学习相关项目背景；
5、熟练使用 PyTorch、TensorFlow 等深度学习框架，具备良好的工程能力和代码实现能力；
加分项：
- 熟悉机器人感知与控制领域，理解人形机器人操作、导航、交互、动作轨迹预测等基本任务流程；
- 有参与实际机器人系统或多模态交互系统开发的项目经验；
- 熟悉开源大模型生态（如 LLaVA, Pi0, RT-2, OpenVLA 等）并有实际使用或改进经验；
- 具备从零构建多模态系统或算法平台的能力。
1. 自动化、计算机、人工智能、机器人等相关专业硕士及以上学历。
2. 熟悉机器人动力学、运动学、最优控制，有扎实的数学基础。
3. 精通Linux和Docker开发环境，熟悉C++和Python，掌握git工作流，具有良好的编程习惯。
4. 谦逊开放、思维活跃，具有团队合作意识。
5. 学习能力强，可以独立探索与学习先进的算法。
【加分项】
1. 熟悉主流强化学习、模仿学习等算法。
2. 熟悉Isaac Gym/Isaac Lab仿真，能够搭建复杂的仿真环境。
3. 有灵巧手触觉传感器应用经验。
4. 有sim2real实战经验。
5. 有多关节机器人控制经验。
6. 在顶级会议（如CVRP/ICCV/ICRA/IROS/NeurlPS等）或刊物（如IJRR/TRO/TPAMI等）发表过论文优先。
1.负责机器人关节电机的控制软件开发和优化。
2.协助电机工程师优化无刷电机性能指标。
3.协助机械、电子工程师提高硬件稳定性和产品性能。
1、负责设计并构建适用于金融场景的高性能多模态大模型（MLLM），提升模型对金融时序图表、扫描件及非结构化文档的极端理解能力；
2、负责主导构建具备高度自主规划（Planning）能力的 Agent 系统，重点聚焦跨工具调度、多轮参数提取及具备金融逻辑约束的推理能力；
3、负责深入应用 Mid/Post-training 训练范式（SFT、RLHF/DPO、Agentic RL），利用强化学习提升多模态大模型的效果以及Agent等链路规划效果；
4、负责针对大模型部署与推理进行系统架构优化，结合 vLLM、sglang 或 Triton 等技术推动多模态 AIGC 产品的工程化落地；
5、负责与产品和业务团队深度合作，将业务痛点转化为技术问题，共同完成前沿技术向创新产品的转化；
6、完成公司交办的其他工作。
任职资格：
1、硕士及以上学历，在多模态、CV等领域有 3 年以上深入研究或工作经验，有主导过行业影响力的项目或发表过顶会论文者优先；
2、精通多模态大模型预训练与微调，深度理解大模型 Post-training 技术栈（尤其是 RL 训练范式与训练稳定性调优）；
3、具备优秀的 C++/Python 编程能力，熟悉分布式训练（Megatron-LM, DeepSpeed）及高性能计算相关技术；
4、熟悉 LangChain、AgentScope 或 OpenClaw 等框架，有实际解决 Agent 记忆缺失、幻觉或长链推理中断问题的经验者优先；
5、有金融行业经验者优先，对金融业务（如 K 线模式识别、宏观因子分析等）有一定理解，能敏锐感知金融数据与通用数据在多模态建模上的差异。
岗位职责：
1、负责设计并构建适用于金融场景的高性能多模态大模型（MLLM），提升模型对金融时序图表、扫描件及非结构化文档的极端理解能力；
2、负责主导构建具备高度自主规划（Planning）能力的 Agent 系统，重点聚焦跨工具调度、多轮参数提取及具备金融逻辑约束的推理能力；
3、负责深入应用 Mid/Post-training 训练范式（SFT、RLHF/DPO、Agentic RL），利用强化学习提升多模态大模型的效果以及Agent等链路规划效果；
4、负责针对大模型部署与推理进行系统架构优化，结合 vLLM、sglang 或 Triton 等技术推动多模态 AIGC 产品的工程化落地；
5、负责与产品和业务团队深度合作，将业务痛点转化为技术问题，共同完成前沿技术向创新产品的转化；
6、完成公司交办的其他工作。
任职资格：
1、硕士及以上学历，在多模态、CV等领域有 3 年以上深入研究或工作经验，有主导过行业影响力的项目或发表过顶会论文者优先；
2、精通多模态大模型预训练与微调，深度理解大模型 Post-training 技术栈（尤其是 RL 训练范式与训练稳定性调优）；
3、具备优秀的 C++/Python 编程能力，熟悉分布式训练（Megatron-LM, DeepSpeed）及高性能计算相关技术；
4、熟悉 LangChain、AgentScope 或 OpenClaw 等框架，有实际解决 Agent 记忆缺失、幻觉或长链推理中断问题的经验者优先；
5、有金融行业经验者优先，对金融业务（如 K 线模式识别、宏观因子分析等）有一定理解，能敏锐感知金融数据与通用数据在多模态建模上的差异。
【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。
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。