薪酬概览
平均月薪
¥26600
中位数 ¥22500 ｜ 区间 ¥19000 - ¥34300
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
85.7% 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
3月新增岗位
11
对比上月：岗位减少10
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、业务介绍： 聚焦物流供应链，基于文本/图像/视频多模态数据，构建垂域多模态大模型，创新PT-SFT-RLHF方法论，赋能安全检测、违规巡检，降本增效。
2、岗位内容：负责垂域多模态模型继续预训练，视频理解等能力的攻坚。
3、研究内容：（1）基于物流供应链领域文本/图像/视频数据，探索构建垂域多模态大模型，创新提炼垂域适配的PT-SFT-RLHF各阶段数据构建、模型训练与评测方法论；（2）探索垂域多模态大模型前沿应用方向，提升垂域多模态基础能力，包括目标检测，视频分类，视频问答，视频描述等任务，赋能安全检测、违规巡检等业务，实现降本增效。
1、负责美颜算法核心技术的研发与创新，覆盖皮肤质感优化、面部特征建模、动态光影处理等方向；
2、基于深度学习与计算机视觉技术，优化算法在移动端的实时性与计算效率，推动算法在手机终端落地；
3、结合用户需求与影像技术趋势，探索多场景适应性美颜方案（如暗光/逆光/动态视频等）；
4、深度参与影像产品迭代，与硬件、软件、设计团队协作，打造行业领先的拍摄体验。
1、打造终端智能感知能力，突破关键多传感器融合特性，实现连续、低功耗等要求；
2、负责智能终端的算法架构设计能力，包括：机器学习/深度学习算法、多平台异构优化与端到端全链路理解能力；
3、保障模块设计开发的高效落地。
我们是中国客户体量最大的金融机构，当前发展阶段需要利用AI深度识别客户的风险，并且利用AI对抗黑产（如洗钱，电诈等），用AI对抗AI模式将在今后融入整个金融生态。
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。
负责设计、开发和优化自动驾驶系统的核心算法和软件架构。你将参与以端到端网络为基础的完整自动驾驶技术栈开发，构建高效、安全、可扩展的自动驾驶解决方案。
工作内容：
负责端到端自动驾驶算法的设计、开发和优化。
优化深度学习模型，提升训练效率和车载计算平台上的推理效率。
研究并应用创新技术，提升自动驾驶系统的性能。
任职要求：
编程能力：精通Python，熟悉C++/CUDA优先。
深度学习：深入理解神经网络建模与优化，熟练使用PyTorch。
计算机基础：扎实的算法与数据结构知识，熟悉Linux开发环境。
数学与逻辑：良好的线性代数、概率统计及优化理论基础。
机器学习：熟悉经典机器学习方法及深度学习前沿技术。
学习与协作：对技术有强烈热情，具备良好的沟通与团队合作能力。
• 深度参与具身智能（Embodied AI）系统全流程研发工作，聚焦感知、决策、控制三大核心模块，助力技术方案的落地与迭代。• 负责机器人系统相关算法的设计、开发与工程实现，重点覆盖视觉感知、运动生成、运动规划与控制、VLA/Diffusion Model、仿真、避障算法、灵巧手控制等相关方向。• 配合团队完成实验方案设计、实验数据采集、结果分析与优化，解决算法落地过程中的工程问题，推动技术从实验室走向真实应用场景。• 持续关注具身智能与机器人领域的前沿技术动态、学术研究成果，参与技术调研、方案论证，为团队技术创新提供支撑。
1、业务介绍：聚焦物流供应链，研发多智能体群体智能技术，搭建仿真平台，赋能机器人协同、运输调度等场景降本增效。
2、岗位内容：设计多智能体协同框架，研究群体演进机制，构建物流仿真平台并验证技术效果。
3、研究内容：（1）设计多智能体协同框架（如集中规划、通信协商、去中心化自组织），优化仓储、中转机器人协同、运输网络调度等场景；（2）研究群体智能演进机制，包括个体间竞争-协作平衡、知识共享、群体共识形成等；（3）构建物流多智能体仿真平台，验证群体智能在成本、效率、鲁棒性方面的提升效果
1.负责微信游戏社区、精品游戏和微信小游戏的推荐投放算法研发工作；基于大模型提升多场景的推荐效率；
2.参与算法链路各模块改进，包括但不限于素材、召回、排序、重排、策略机制、生成式大模型等技术模块；
3.关注业界的前沿大模型推荐进展，结合实际场景进行算法开发落地，持续推动算法升级和业务增长。
1. 在顶级会议发表过推荐算法相关论文。
2. PyTorch, DeepSpeed, vLLM 等知名开源 AI 框架的活跃贡献者（Contributor/Committer）。
1. 负责量化委外平台核心算法研发、设计与落地，搭建AI量化策略、风险控制、收益归因算法体系；
2. 开展因子挖掘、组合优化、算法交易、策略回测与实盘迭代工作，保障算法有效性；
3. 对接业务需求，完成委外场景下的策略评估、管理人画像、风险预警等算法开发；
4. 优化金融数据处理流程，完成特征工程、模型训练与工程化部署；
5. 跟踪量化及AI前沿技术，推动平台算法持续迭代升级。