薪酬概览
平均月薪
¥41000
中位数 ¥37500 ｜ 区间 ¥29900 - ¥52200
数据来源：谈职全网12份招聘数据；更新时间：2026年7月13日
月薪分布
91.7% 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
1月新增岗位
37
对比上月：岗位新增19
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 | 37 | 100% |
热招职位
1、较强的算法实现能力,熟悉深度学习平台如tensorflow,pytorch等;
2、对前沿的模型相关研究掌握清楚,熟悉Diffusion,Transformer,DiT等生成模型框架;
3、有大模型(视频,3D/4D,多模态)训练实战经验;
4、具有应用大规模神经网络解决相关实际问题的实践经验,能够针对适当的数据和模型的表现,选择恰当的调参、训练任务选择、训练数据增强、目标函数变化等策略来确保超大型模型的训练成功率,并且能够解释策略背后的直觉来源并用严格的数据验证自己的假设。
1、海内外高校计算机科学、人工智能、自动化、机器人、数学、统计等相关专业，硕博优先；
2、扎实的机器学习、深度学习或计算机视觉基础；
3、熟悉3D视觉或视频生成，在Diffusion、Flow Matching、MVS、3DGS、世界模型等领域有至少一个专长；
【加分项】
1、在 CVPR / ICCV / ECCV / NeurIPS / ICLR / ICML 等顶级会议有论文发表经历；
2、有自动驾驶、机器人或大规模物理AI相关研究或项目经验；
3、 有开源项目贡献或较强的科研项目经历；
4、 具备良好的英文论文阅读与写作能力。
工作职责：
研发AI 为基础的方法并部署到仿真工具中来帮助AV 算法的开发和验证。包括但不限于：
1. 生成真实的仿真场景。
2. 开发与AV 算法合理交互的仿真智能体。
3. 开发AI 为基础的指标来评估仿真的结果。
需求：
1. 至少在预测，计算机视觉，大语言模型 或强化学习的一方面有很好的知识积累和实践经验；
或有很强的算法和C++coding 能力
2. 良好的沟通能力
3. 自驱力强，相信仿真对无人驾驶行业的未来
加分项：
1. 世界模型相关的经验
2. 计算机视觉或lidar 检测模型相关的经验
3. 预测或端到端AV 模型相关的开发经验
4. 规划控制相关的经验
5. 顶会或期刊的发表
关于感知方向
感知是无人驾驶中非常复杂和有趣的部分之一，你构建的是一个人工智能集大成的系统，不是一项按部就班就能完成的工作！感知软件工程师负责无人驾驶感知系统的设计和实现，应对无人驾驶中各种最有挑战的问题：
设计高效可靠的深度学习模型，在几十毫秒内精确检测和跟踪车周围200米之内所有的障碍物（人，车，非机动车辆，交通锥等），并对场景进行理解 如何设计一般性的模型和算法去处理各式各样的长尾情况和极端环境，如路面上的垃圾袋，洒水车的水花，前车掉下来的挡板 ，如大雨，大雪，雾霾，风沙等 如何保证感知模型和算法在极端的环境里的准确性和可靠性，如大雨，大雪，雾霾，风沙等 把模型优化到极致，让十几个到几十个模型在车上有限的计算资源上欢快的运行。
如何搭建一个高效可靠的计算框架，支撑一个周期内接收几十个传感器的输入，做各种同步融合，并进行几十个深度学习模型的推理 关于机器学习和算法方向 这个方向的感知工程师负责设计并实现传感器标定，障碍物检测，分类，跟踪，和场景理解等各种模型和算法，VLM视觉语言模型落地，对模型和算法进行评估和测试， 并把模型和算法部署到车上。
我们需要你：
1.同时具有很强的算法和C++编程能力；
2.或者在机器学习/深度学习，计算机视觉，模型优化等至少一个方向上有扎实的基础和丰富的经验;
3.拥有强大的逻辑思维能力，算法能力，以及解决问题的能力;
4.具有良好的沟通能力和跨组合作能力;
5.具有强烈的自我驱动能力对无人驾驶真正的 believe.
加分项： 丰富的C++开发经验，熟悉多线程，内存管理，泛型，及设计模式. 丰富多传感器融合以及2d/3d跟踪的经验 在顶会发表了文章
1-负责开发、维护基于GPT类LLM及Bert类非自回归NLP模型数字化产品；涉及模型设计、训练、调试等核心工作；2-参与后台开发，进行技术调研、可行性分析以及系统与流程结构设计，确保模型的有效落地及性能优化；3-负责基于LLM的多智能体协同决策系统搭建，研发专属领域的Harness工程；4-与产品团队及前后端紧密合作，深度理解客户需求，利用先进的语言模型技术解决实际业务问题。
1、 参与平安业务相关的文本分类、命名实体识别、文本相似性、语言模型、情感分析、用户行为分析等相关NLP工作；
2、 跟进NLP领域前沿技术，对现有产品和技术方案进行持续改进，同时探讨和开发新的产品。
1.基于大模型、行为序列等技术，完善各类业务风险的全流程风控体系，包括不限于态势感知、风险审核、策略智能体、团伙自动化挖掘等，保证用户的资金安全，提升交易生态健康度；
2.基于多模态大模型、CV等技术建设业界领先的图像质检能力，包括不限于篡改检测、AIGC检测、人脸攻击识别、业务违规识别等，提升支付的反洗钱合规水平并优化客户入驻体验。
1. 教育背景： 计算机、人工智能、软件工程等相关专业本科及以上学位。
2. 模型实战经验： 具备 LLM（如 LLaMA, GPT, Qwen 等）监督微调（SFT）、强化学习 (LLM-RL)等实务经验。
3. 核心技能： (至少熟悉以下一项)
- 有实际的 LLM SFT/RLVR 等微调经验，熟悉主流的微调框架（如 verl, Trinity-RFT, Axolotl, etc）。
- 有大规模应用服务部署经验，熟悉 Kubernetes、Docker 等容器化技术。
- 有 LLM 推理服务部署和优化经验，熟悉 vLLM/SGLang/Ray Serve 等。
- 有将 LLM 应用于人形机器人或自动驾驶相关项目的经验。
4. 编程与框架： 熟练掌握 Python，熟悉 PyTorch 等深度学习框架。具备良好的软件工程和代码习惯。
5. 沟通协作： 具备良好的沟通和团队合作精神，能快速学习和适应新技术。
1.针对医疗领域特定问题，定义任务流程，收集或构建高质量数据集，对LLM进行微调；
2.利用提示工程、模型微调、调用工具插件等方式完成医疗领域特定应用的探索尝试；
3.尝试提升大语言模型在医疗方面的能力，包括但不限于高效训练、人工反馈对齐、多模态、可控文本生成、生成质量评估，以提升LLM性能。
1、负责大语言模型（LLM）相关算法在AI Agent系统的研发与优化，包括但不限于预训练、指令微调（SFT）、强化学习等技术方向在任务规划、工具调用、记忆机制等核心场景的能力建设，提升效果与用户体验；
2、跟踪业界前沿技术（如推理模型、长上下文建模、Agent框架等），并推动技术在业务中的应用；
3、与工程、产品团队紧密合作，推动算法从研究到落地交付的全流程。
1、教育背景： 计算机、人工智能及相关专业硕士或博士；
2、技术功底： 扎实的 Python/C++ 基础，精通 PyTorch 及分布式训练工具；
3、核心能力：
（1）深入理解 Transformer 架构，熟悉主流大模型（如 GPT-4o, Qwen-Audio, RT-2 等）原理；
（2）了解音频特征提取及 Audio Tokenizer（如 EnCodec, AudioDec）基本原理；
（3）有 Agent 框架（LangChain, AutoGPT 等）开发经验或多模态对齐经验者优先；
4、综合素质： 具备良好的学术前瞻性或工程落地能力，能解决非结构化环境下的鲁棒性挑战。
1、核心NLU引擎研发：负责意图识别、实体抽取、情感分析、文本分类等核心NLU任务的算法设计、模型训练与优化。针对特定业务场景，构建高精度、高鲁棒性的NLU模型，并持续迭代提升效果。跟踪NLU领域的最新研究成果，并将其应用于实际业务中。
2、LLM-basedAgent构建：设计和开发基于大语言模型的智能体框架，实现复杂的任务规划、推理和工具调用。负责多轮对话管理、上下文理解和状态追踪模块的研发，打造流畅、智能的对话交互体验。探索Agent的自主学习和决策能力，使其能够完成开放域、多步骤的复杂任务。
3、RAG技术应用与优化：设计并实现高效的检索增强生成（RAG）系统，结合向量检索与大语言模型，提升回答的准确性、时效性和可追溯性。负责文档切分、向量化、索引构建以及召回、排序等全链路模块的优化。研究并解决RAG系统中的常见问题，如信息噪音、召回不准、知识冲突等，并有效减少模型幻觉。
4、工程与落地：负责算法模型的工程化部署、性能优化和线上服务的稳定性维护。与产品、工程团队紧密合作，深刻理解业务需求，推动AI技术的快速落地和商业化应用。构建完善的评测体系和数据闭环，驱动模型和系统持续改进。