薪酬概览
平均月薪
¥61500
中位数 ¥0 ｜ 区间 ¥47000 - ¥76000
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
100% 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
8月新增岗位
19
对比上月：岗位新增7
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 | 3 | 17.6% |
| 3-5年 | 7 | 41.2% |
| 5-10年 | 7 | 41.2% |
热招职位
1.负责语音/音频大模型研发，包括音频理解（ASR/音频caption）、音视频理解等模型研发；
2.负责预训练、后训练、强化学习（文本和音频强化）相关的数据、算法、评测工作；
3.负责音频理解/ASR模型开源以及产品落地（比如产品全链路端到端优化、音频理解在噪音/口音/远场/音效音乐场景的优化）。
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.结合游戏平台业务垂直场景，负责深度学习和大语言模型的训练精调、调优及部署，及智能体Agent开发；
2.参与大规模平台用户行为数据集的ETL及特征工程，构建高效数据流水线，落地到用户画像体系并服务到线上AI应用；
3.跟踪和研究前沿AI技术（如LLM、VLM、SFT、DPO、RAG、MCP等），推动技术落地业务发挥价值；
4.与技术团队协作，优化算法模型和服务性能，满足产品AI价值落地要求。
1、硕士及以上学历，计算机、数学、人工智能等相关专业；
2、在以下至少一个方向有 2 年以上深入经验：大模型训练（预训练/SFT/RLHF）、多模态模型、强化学习；
3、精通 PyTorch，具备大规模分布式训练实战经验；
4、能独立完成从算法设计、实验验证到系统集成的全流程。
【加分项】
1、在 NeurIPS/ICML/ICLR/CVPR/ACL 等顶会发表过一作论文；
2、主导或深度参与过千亿参数级模型训练项目；
3、有具身智能或机器人系统的实际经验。
1.主导大语言模型（LLM）在搜索问答场景的构建与持续优化，推动AI问答等创新搜索链路的业务落地。
2.负责Query理解、改写及意图识别核心算法的研发与迭代，实现高意向流量的精准排序与高效转化承接。
3.设计并优化搜索系统的语义召回与业务排序模型，平衡检索体验与商业化目标，驱动全集团APP自然搜索流量向营销商机转化。
4.深度挖掘并解析用户跨场景搜索的真实业务诉求，构建自动化搜索意图标签体系，实现跨业务线商机的精准识别与数据闭环回流。
5.统筹多维度搜索行为数据（Query、点击、转化等）及底层索引数据，进行模型的大规模训练与调优，沉淀高价值客户意图数据资产。
6.结合基础检索引擎架构，完善底层匹配机制，统筹建设并持续维护集团级金融专业知识库与词典引擎。
1.数据特征算法：负责多模态 3D 角色及动画、视频等数据的内容理解（如分类标签体系、embedding表征等），质量检测（数据识别检测、优质美学评价等），去重/聚类分析，数据合成等算法；
2.数据管线建设：负责 3D 角色及动画数据采集、筛选清洗、标注与质量评估管线的建设。与模型算法团队紧密配合，充分分析挖掘数据资源，建立自动化数据处理流程与机制，支持模型持续迭代；
3.数据实验分析：对模型训练数据进行详细分析，建立科学数据实验机制，识别样本不足、质量问题、配比不均衡等潜在问题，驱动数据优化提升数据覆盖、质量、多样性需求，最终带来大模型生成效果的持续提升。
1.模型评估与选型：构建多维度的算法评估体系，针对业务场景对开源/闭源模型进行能力对标，负责模型微调方案（LoRA、SFT/DPO）的效果评估。
2.高级RAG技术研发：负责RAG（检索增强生成）全链路优化，包括复杂文档解析（OCR协同）、多模态数据切片（Chunking）、多路召回与重排序（Rerank）算法。
3. 特征工程与数据处理：针对业务数据进行深层特征化处理，提升向量检索的语义精准度，设计高效的数据预处理管线。
4.提示词架构优化：负责复杂场景下的Prompt Engineering，设计具备自愈能力（Self-Correction）和推理链（CoT）的高质量提示词模版。
5.算法前沿跟踪：实时跟踪大模型、长文本处理、结构化抽取等领域的发展动态，并完成业务侧的技术验证。
1.负责门店订货相关的数据挖掘和算法应用，包括销售额预估、SKU销量预测、物料订货推荐、物料盘点异常检测等。
2.负责供应链相关的数据挖掘和算法应用，包括物料出仓需求预测、库存预测、物料补货推荐、物料调拨推荐等的算法方案建设。
3.负责活动相关的数据处理、分层、影响预估、影响平滑等频繁活动相关业务场景的挖掘探索。
1、主导规划项目立项，准备项目背景和技术资料，立项报告及其它必要的立项资料。
2、主导分解项目开发计划，项目开发计划表。
3、统筹制定新员工专业技术培训计划，培训计划表。
1、负责语音识别、语音理解、以及端到端语音大模型的算法研究，模型训练优化及业务落地
2、基于智能语音交互项目上遇到的生产问题及业务痛点进行深入分析，提出优化解决方案
3、同工程团队一起紧密配合，推动模型的上线及线上效果的追踪
4、跟进语音大模型的最新技术进展，评估哪些技术方案可应用于平安业务场景，并具有落地可行性，进行技术引进。
1.大模型在医疗领域的应用研究，涵盖AI诊疗（如诊断辅助、基于多组学个性化用药方案生成）等方向，推动AI技术在临床决策支持、健康管理中的落地。
2.参与端到端的算法任务设计、模型训练和优化，确保模型在医疗场景中的高精度、高可靠性。
3.与医疗专家、数据科学家和工程师紧密合作，将前沿AI技术转化为实际解决方案，解决医疗行业痛点。
4.探索大模型在医疗AI的前沿应用，以支持持续的技术迭代和产品创新。
1. 负责大语言模型及多模态模型的推理服务部署、性能优化和稳定性保障。
2. 基于 vLLM、SGLang、TensorRT-LLM 等框架，建设和优化推理服务能力。
3. 跟踪推理加速前沿技术，推动量化、长上下文优化、PD 分离等能力落地。