薪酬概览
平均月薪
¥28700
中位数 ¥27500 ｜ 区间 ¥21600 - ¥35800
数据来源：谈职全网18份招聘数据；更新时间：2026年7月13日
月薪分布
61.1% 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
32
对比上月：岗位新增22
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 | 14 | 60.9% |
| 1-3年 | 5 | 21.7% |
| 3-5年 | 2 | 8.7% |
| 5-10年 | 2 | 8.7% |
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。
负责围绕AI大模型的模型评测与模型研究工作，具体工作内容包括但不限于：
1. 深入理解大规模语言模型的模型结构、训练过程以及评测方式，根据模型的训练过程以及评测结果，对大语言模型存在的问题进行研究。
2. 深入分析模型效果不符合认知的异常，根据具体的异常制定完善的研究策略，通过对比、归纳等方法，产出研究分析结论，探索突破性的优化方案，带来模型效果的迭代和突破。
3. 构建Data-Centric的数据-训练-评测闭环，探索研究包括但不限于下列方向：大模型数据、模型的Scaling Law，研究数据配比、加入方式与时机等对模型效果的影响。
4. 追踪大模型方向的前沿进展，积极主动地学习和探索新数据分析、模型训练以及模型评测方法。
5. 与各相关部门保持良好沟通，深度参与大模型预训练、SFT、RLHF和评测等阶段，共同推动大模型持续优化。
【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.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。
1. 负责手机端与云端 AIGC 影像技术研发，包括高质量的人像生成、图像修复、人像编辑等核心算法设计与优化。
2. 负责扩散模型、单步生成模型、图像编辑模型的研发、微调、蒸馏与加速。
3. 针对海外新兴市场的拍摄习惯和弱光、逆光、中低端机等复杂环境，设计稳健的人像处理与编辑方案。
4. 参与构建手机影像 AIGC 能力体系，包括数据 pipeline、模型评价体系与端云协同架构优化。
5. 跟踪行业技术前沿（Diffusion, Flow-based, MMDiT, Rectified Flow等），并在产品侧落地创新。