薪酬概览
平均月薪
¥53100
中位数 ¥0 ｜ 区间 ¥42200 - ¥63900
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
88.9% 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
35
对比上月：岗位新增31
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 | 11 | 33.3% |
| 5-10年 | 19 | 57.6% |
| 不限经验 | 3 | 9.1% |
热招职位
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、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。
1.负责文本大模型在AI编程垂直领域（如代码生成、工具调用、接口测试）的数据构造、Post-Training与评估全流程；
2.深入代码大模型与文本推理方向，进行模型调优与能力创新，覆盖代码补全、流水线自动化、测试用例生成等场景；开展大模型智能体（Agent）的开发与设计，包括智能体工作流编排、工具调用规划、复杂任务分解与执行等；
3.负责文本上下文压缩技术的研究，并在代码检索、知识库问答领域的落地，包括Embedding压缩、长上下文（Long-context）优化、结构化文本处理等；
4.负责基于大模型的知识检索问答（如RAG）系统的研发与优化，包括领域知识库构建、检索增强生成技术应用、问答准确性提升等；
5.跟踪文本大模型、程序语言处理及智能体技术领域的技术进展，评估其在研发效能提升方面的应用潜力。
1、负责视觉-语言大模型(VLM)研发与优化，推动中医智能诊疗、医学图像分析等场景的端到端算法落地。
2、针对舌象、面色、关节等多类医学图像，开发分类、检测、分割及异常检测算法，支撑辅助诊断与健康评估。
3、设计跨模态融合架构，实现图像、文本等多源数据的协同建模与联合推理。
4、基于LLM/VLM进行SFT、RLHF、LoRA等微调，优化辨证论治、报告生成、医学问答等任务，提升临床实用性。
5、开发具备自主推理与工具调用能力的Agentic智能体，覆盖辅助诊断、用药监测、随访管理等自动化场景。
6、构建医学知识图谱，结合RAG技术增强模型可解释性与专业可信度。
7、跟踪前沿技术，探索创新应用，确保算法符合医疗伦理与监管要求。
参与平安集团智能理赔系统的研发，利用大语言模型（LLM）、多模态理解与知识图谱技术，构建“从客户材料到赔付决策”的全自动审核引擎。 主要职责： - 参与 AI 理赔审核系统的研发，协助构建多模态文档（医疗影像、保单 PDF）的信息提取，实现对客户提交材料的理解与判别； - 设计并实现保单条款与理赔规则的结构化表示，支持大模型精准调用与推理； - 追踪大模型领域前沿技术，优化大模型提示工程（Prompt Engineering）、微调（Fine-tuning）与RAG（检索增强生成）方案，提升模型在复杂理赔场景下的判断准确率； - 负责理赔案件数据的清洗、标注体系设计及高质量数据集的构建； - 参与系统开发，将AI模型能力集成到理赔流程中，支持高并发、低延迟的生产环境部署； - 编写技术文档、参与代码评审，持续优化系统稳定性与可维护性。
1.营销 Agent 架构设计与实现 基于 LLM 构建具备自主规划（Planning）能力的 Agent 系统。针对营销策略拆解、创意生成、广告投放优化等环节，设计并实现 ReAct、CoT (Chain of Thought)、ToT (Tree of Thoughts) 等推理架构。
2.多模态工具链集成 (Tool/Action Use) 研发高效的 Function Calling 与 API 编排机制，使 Agent 能够精准驱动视觉生成引擎、投放平台 API 及企业内部数据库，实现从内容生产到自动化分发的无缝衔接。
3.记忆与知识管理系统 (Memory & RAG) 构建面向营销场景的长期记忆机制与高性能 RAG (Retrieval-Augmented Generation) 系统。整合行业知识库、历史成交案例、品牌调性约束，确保 Agent 在长周期线索跟进中的上下文一致性与专业度。
4.业务闭环驱动的强化学习与对齐 利用业务端产生的真实转化数据（线索质量、成交率），优化 Agent 的决策逻辑，使 Agent 的推荐策略与生成内容向高转化率目标演进。
1.多模态算法研发：负责保险核保核赔场景下多模态大模型/Agent（如医疗影像、体检报告、病历文本等）的算法研发，实现跨模态信息的精准对齐、融合与推理，提升核保核赔决策的准确率与可解释性。
2. 智能体（Agent）构建：设计并开发面向核保流程的AI智能体，构建包含任务规划、工具调用、多轮对话等核心能力的Multi-Agent协作模式，推动核保流程的自动化与智能化。
3.知识库与RAG优化：构建并优化保险条款、医学指南等领域知识库，结合检索增强生成（RAG）技术，解决大模型在复杂核保规则下的幻觉问题，提升专业场景下的推理准确性。
4.模型微调与部署：负责多模态基座模型的SFT（监督微调）与RLHF（人类反馈强化学习），并主导模型在核保生产环境中的工程化落地，包括推理加速、显存优化及高并发服务部署。
5.数据闭环建设：设计并搭建自动化数据处理流水线，负责核保相关多模态数据的清洗、结构化标注与质量评估，构建高质量领域数据集以支持模型持续迭代。
6.前沿技术探索：跟踪大模型与多模态领域的最新学术进展（如MoE、Long Context），探索其在保险反欺诈、精准定价及动态风险评估中的应用
1、负责手机端与云端 AIGC 影像算法研发，包括人像生成、图像修复、人像编辑、视频生成、文生图 / 图生图等核心能力的算法设计、实现与优化（任一方向）。
2、负责扩散模型、MMDiT、流模型（Flow Matching / Rectified Flow）、单步生成模型等前沿生成式模型的研发、微调、蒸馏与推理加速。
3、负责 AIGC 基础模型的后训练体系建设，包括 SFT、DPO、GRPO 等强化学习方案设计与落地，构建大规模指令微调数据与奖励模型。
4、针对弱光、逆光、中低端机型、海外用户习惯等复杂场景，设计稳健高效的人像处理、图像编辑与视频生成方案。
5、参与构建手机影像 AIGC 完整技术体系，包括数据 pipeline、模型评价体系、端云协同架构、训练与部署流程建设与优化。
6、跟踪业界前沿技术，推动图像 / 视频生成、编辑、增强等创新能力在手机影像产品中稳定、高效、差异化落地。
1、 自动化、计算机相关专业研究生及以上学历，具备运动控制、机器人操作等领域等相关背景；
2、熟悉 Linux 开发环境，熟练使用 C++ 或 Python 进行工程实现，具备良好的代码实现能力；
3、 谦逊开放、思维活跃，具有持续学习能力和团队合作意识。
【加分项】
1、具有人形机器人或多关节机器人（机械臂/双臂/移动操作平台等）控制、调参及真机闭环经验；
2、拥有基本机器学习（有监督学习，强化学习等）背景；
3、能够熟练使用英文进行写作和交流。
1.负责腾讯视频介质安全保护体系的建设和运营,保障视频在播放全链路中的安全性，防止盗播、盗链；
2.负责流媒体播放链路的安全防护，包括视频播放全链路的安全传输、安全播放、防注入、防录屏等；
3.设计和优化CDN分发链路中的介质保护方案，包括权限校验、防篡改、安全回源、可溯源等；
4.负责追踪黑灰产最新的破解手段，破解加密内容、非法获取视频地址、录屏等攻击方式，制定对应的防盗策略。
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）。