薪酬概览
平均月薪
¥40000
中位数 ¥30000 ｜ 区间 ¥30200 - ¥49900
数据来源：谈职全网19份招聘数据；更新时间：2026年7月13日
月薪分布
63.2% 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17
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 | 11 | 39.3% |
| 1-3年 | 8 | 28.6% |
| 3-5年 | 2 | 7.1% |
| 5-10年 | 2 | 7.1% |
| 不限经验 | 5 | 17.9% |
热招职位
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。
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。
我们正在寻找一位热衷于测试领域AI算法研究与工程化落地的专业人员。您将负责探索和应用测试领域的AI算法技术，提升软件测试的智能化水平，并推动这些技术的实际应用，助力产品质量保障。
岗位职责：
1. 负责AI算法在软件测试领域的研究与应用，包括但不限于基于AI的手机智能操控、测试用例生成、智能缺陷分析、时序指标预测、视觉元素解析等方向。
2. 设计和优化基于大模型的多场景应用，例如多模态大模型用于用例生成、脚本生成、代码理解、缺陷分析等。
3. 跟踪大模型（如GPT、BERT、LLM等）相关技术的发展趋势，持续探索新的测试领域应用。
4. 分析和建模测试过程中的数据，探索机器学习、深度学习、强化学习等AI技术在测试领域的应用场景。
5. 设计并实现基于AI算法的测试工具或平台，推动工程化落地。
6. 撰写技术文档，分享技术成果，推动AI测试技术在团队内外的推广。
1、作为技术接口人，主导与客户对接 L2/L2 + 级辅助驾驶功能规范的沟通确认，并统筹解决合作过程中的各类技术问题；
2、负责 L2/L2 + 级辅助驾驶的需求挖掘与开发工作，同时牵头开展应用层控制、人机交互及故障诊断等关键算法的研发落地；
3、统筹下层执行器（如 ESC、EPS 等）的性能验收工作，主导实车集成标定及欧盟 GSR 法规认证全流程，熟悉NCAP相关基本需求和测试方法；
4、承担 ADAS 领域 ISO26262 功能安全算法的开发任务，并负责相关单元测试的设计与执行；
5、负责解读国内外 ADAS 相关法规政策，开展需求开发及竞品对标分析；
6、确保在项目执行过程中，严格遵循技术开发计划及既定流程，交付符合要求的工作成果。
【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。
1.负责语音相关技术研究(语音增强、唤醒、声纹、VAD、语音识别等)，包括声学模型、语言模型的数据准备、模型训练和解码器优化；
2.主导工程开发，包括模型服务化，海量语音数据处理，模型网络结构优化以及工程优化；
3.跟进业界最新技术，并运用于实际产品。
负责语音合成（TTS）核心算法的研发、性能优化与落地实现，推动TTS技术在实际产品中的应用；
结合业务规划，跟进学术界、行业最新的研究趋势，将预研成果落地于实际产品，并主导相关技术方案的制定和实施；
负责TTS相关技术难题的攻关，提升合成语音的自然度、表现力和鲁棒性；
指导和带领初级工程师，提升团队整体技术水平。