上海人工智能工程师
人工智能工程师是负责开发和部署人工智能算法和模型的专业人士。他们利用机器学习、深度学习、自然语言处理和其他人工智能技术，设计和构建智能系统和应用程序，以解决现实世界的问题。人工智能工程师需要具备扎实的数学基础和编程技能，能够使用各种编程语言如Python、Java、C++等进行开发。他们还需深入了解数据处理、算法优化和模型调优等技术，以及对机器学习框架和工具的熟练运用。此外，人工智能工程师还需要与跨部门的团队合作，包括数据科学家、软件工程师和业务部门，共同完成项目的开发和部署。这个职位需要对新兴技术保持敏感，不断学习和探索最新的人工智能前沿技术。
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。
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。
1. 参与世界模型（World Model）核心算法研发，探索基于Diffusion的时空序列建模，优化场景一致性和运动连贯性。
2. 负责视频/图像生成模型的训练优化，包括采样加速、条件控制、长序列生成等；
3. 跟踪前沿论文，复现并改进核心算法；
4. 与工程团队协作，推动模型在业务场景的落地应用。
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、前沿3D/4D视觉算法研发：负责研发、跟踪并改进以VGGT、DA3、V-DPM、D4RT等为代表的最新3D&4D基础模型，探索其在动态场景理解与建模中的应用。
2、Feed-Forward 3D/4DGS算法研发：主导前馈式3D高斯泼溅（Feed-Forward 3DGS）与4D高斯泼溅（4DGS）算法的研发。致力于实现从单张或多张图像到可渲染3D场景的快速、泛化重建，并探索其在动态场景时空建模与实时渲染中的应用，突破传统逐场景优化的效率瓶颈。
3、3D/4D重建算法重构：针对具体业务场景，利用前沿基础几何模型优化SLAM与SfM等传统算法流程，解决大规模、高保真的3D/4D重建中的效率与精度问题。
4、AI产品化落地：紧密结合产品需求，将前沿的3D AI算法进行工程化落地，通过技术创新显著提升产品的生产效率与最终效果。
1.跟踪移动操作相关领域的最新研究进展，调研并复现强化学习相关算法；
2.进行人形机器人、四足机器人运动控制等算法研究；
3.搭建训练框架，推动算法在仿真环境中进行训练与验证，根据仿真和实测效果，优化算法；
4.协同团队完成算法从训练到部署的工程化落地。
负责人机对话系统架构设计、核心算法研发，涵盖多轮对话管理、语义理解、对话策略等，保障系统高效、准确、流畅交互，适配智能客服、语音助手等多业务场景。
参与大模型开发应用，进行微调、优化、扩展，提升对话生成、知识问答性能，挖掘大模型商业价值。
跟踪前沿算法成果，结合业务需求开展对话系统相关算法研究创新，提升系统在对话理解、生成、上下文感知等方面能力。
实现对话系统及相关算法工程化，优化性能，构建可扩展、可维护架构，满足高并发、低延迟要求。
与产品、研发、数据团队协作推进项目，提供算法技术支持，解决技术难题，开展技术分享培训。