薪酬概览
平均月薪
¥54300
中位数 ¥0 ｜ 区间 ¥40600 - ¥68000
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
60% 人群薪酬落在 >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
5
对比上月：岗位新增4
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 | 5 | 100% |
热招职位
1. 参与电商搜索场景CTR/CVR预估、召回、搜索相关性等算法模型的开发与迭代；
2. 参与query理解、用户画像、商品属性等方面的海量数据清洗和特征工程，为搜索各算法场景提供数据支撑；
3. 参与算法团队方向与优先级制定；带领团队持续提升全站转化率与GMV；
任职要求
1. 5年以上工作经验，良好的计算机专业基础(数据结构, 算法, 编程语言, 数据库等) ；
2. 对机器学习，数据挖掘有较为扎实的理论基础及应用；
3. 扎实的编码功底，熟练使用 Python，Java，C++，Scala等编程语言以及TensorFlow, PyTorch等深度学习框架；
4. 有Hadoop/Spark等大数据工具使用经验；
5. 有搜索、推荐、广告等大型系统相关的算法研发经验，参与过诸如搜索排序模型、个性化推荐模型、广告点击率预估等相关项目；
6. 具有较强的产品与业务思维、数据驱动思维、自驱力、以及对于模糊 / 困难问题的攻坚能力；
7. 性格开朗乐观，责任心强，积极主动，善于沟通，具有团队精神 ；
8. 具有较强的的文档编写能力、较强的学习能力
算法工程师（未来领军），招聘方向如下：
无线接入预研（6G/NTN）、芯片、分组数据、射频及天线、光传输、智能运维、无线网络智能化、天地一体化、运筹优化、数字孪生、灵巧手
每个技术方向均配有独立的招聘需求说明，更多岗位详情 请点击查看
算法工程师（未来领军），招聘方向如下：
无线接入预研（6G/NTN）、芯片、分组数据、射频及天线、光传输、智能运维、无线网络智能化、天地一体化、运筹优化、数字孪生、灵巧手
每个技术方向均配有独立的招聘需求说明，更多岗位详情 请点击查看
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。
- 负责根据需求来完成仿真软件集成、开发，维护并拓展仿真平台；
- 负责搭建完整的仿真流程，按照需求快速生成仿真场景，实现算法迭代；
- 通过仿真研究和应用3DGS，SLAM等技术，探索自动驾驶/机器人等多种应用场景。
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。
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。