薪酬概览
平均月薪
¥40500
中位数 ¥0 ｜ 区间 ¥31000 - ¥50000
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
60% 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
11月新增岗位
12
对比上月：岗位减少0
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 |
|---|---|---|
| 1-3年 | 4 | 50% |
| 3-5年 | 4 | 50% |
热招职位
1.负责计算机视觉和多模态学习领域的算法研发工作，研发下属课题中的一项或多项，包括不限于：多模态大模型、数字人、图像生成、视频生成算法等
2.跟进行业前沿AI、应用研究（如多模态实时交互、创作智能体、多智能体协同等等），制定垂直场景解决方案
3.与业务、产品深度配合，推动研发的算法模型在实际场景应用领域的性能优化和落地
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。
必备条件：
扎实的机器学习/深度学习基础，熟练掌握Python及PyTorch/TensorFlow框架
熟悉Linux开发环境，具备良好的工程代码能力与问题调试能力
具备良好的英文文献阅读能力，能快速理解并复现前沿算法
优先条件：
熟悉3D视觉与重建技术，如点云处理、NeRF、3DGS、COLMAP等
掌握人体参数化模型，如SMPL/SMPL-X、动作捕捉、动作生成等
有机器人真机开发经验、开源项目贡献或顶会论文发表经历
【我们提供】
充足的算力资源
丰富的机器人本体
有竞争力的实习津贴与转正机会
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、计算机、人工智能、自动化等相关专业本科及以上学历（硕士优先）；
2、具备扎实的深度学习基础，熟悉 Transformer 架构，对 ViT、CLIP、LLaVA 等主流模型有深入理解；
3、有大模型（VLM、LLM）训练经验，熟悉其在多模态任务中的应用；
4、对机器人技术有浓厚兴趣，愿意参与真机测试等实践性工作；
5、熟练使用 PyTorch、TensorFlow 等深度学习框架，具备良好的工程能力和代码实现能力；
6、良好的团队协作与沟通能力，具备快速学习和解决问题的能力。
【加分项】
1、有机器学习或深度学习项目经验，了解多模态模型的基本概念；
2、对人形机器人、智能操作等方向有强烈兴趣；
3、熟悉Linux系统和基本的命令行操作；
4、有机器人相关课程或项目背景。
具身智能算法研究员 - 人类数据（Human Data）方向
1. 学术背景： 计算机视觉、计算机图形学、机器人学或相关专业硕士/博士学位，扎实的数学物理功底与良好的科学素养；
2. 核心技术栈：
- 熟悉 3D 视觉 & 计算机图形学：多视图几何、SLAM、SfM、点云处理或神经渲染（NeRF / GS）。
- 精通 人体重建与估计：深入理解 人体参数化模型 / Human Mesh Recovery / Human Pose Estimation / Hand-Object Interaction / 动作捕捉技术，熟悉 动作生成（Motion Generation）算法。
- 了解 机器人学：运动学 / 动力学建模、强化学习（RL）或模仿学习（Imitation Learning）；
3. 工程能力： 熟练使用 Python / C++，有良好的编程习惯和工程思维；
4. 加分项：
- 在顶级会议或期刊发表过第一作者论文；
- 有大规模 Egocentric 数据集处理经验；
- 熟悉 ROS、ROS2、Isaac Sim 或 Omniverse 等仿真平台；
- 熟悉 机器人本体，善于学习新技术，对技术有充足热情。
1. 教育背景：计算机、人工智能、数学、物理等相关专业硕士及以上学位，有顶级会议（如NeurIPS, ICML, ICLR, AAAI等）论文发表经验者优先。
2. 核心算法理解：深入理解Transformer、GPT、DeepSeek、Qwen等主流模型架构的底层数学原理与训练细节，对Linear attention、RMSNorm、DynamicTanh (DyT)、Mixture of Experts (MoE)等LLM底层模块有独到见解。
3. 分布式训练实战经验：具备主导或深度参与LLM预训练的实际经验，熟悉PyTorch、DeepSpeed、Megatron-LM等分布式训练框架。
4. 专业素养：具备严谨的实验设计和结果分析能力，能够主动发现并解决训练过程中的复杂算法问题。
5. 沟通协作：具备优秀的沟通能力和团队合作精神，能够与数据、系统、硬件等不同背景的团队高效协作。
6. 加分项：有使用过大于128张GPU进行LLM预训练、大规模预训练数据合成、硬件友好模型结构设计等相关经验。
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、负责垂直领域多模态大模型的算法研究、开发与模型训练工作，包括模型的微调、强化学习等；
2、负责大模型在端侧设备部署、推理优化及性能调优；
3、对接业务需求，参与定义算法方案与评估体系，推动技术方案在具体场景中的应用落地；
4、持续跟踪多模态大模型领域的前沿技术，并尝试应用于实际项目以提升模型能力。
任职要求1、2026届应届毕业生，硕士及以上学历，人工智能、计算机科学、模式识别与智能系统、算法等相关专业；
2、熟悉Qwen-VL、MiniCPM等主流视觉语言模型者优先；
3、熟悉Transformer、CNN、ViT等主流模型架构，掌握深度学习与计算机视觉基础知识；
4、熟悉大模型预训练、微调（SFT）、强化学习（RLHF）等基本原理与流程；
5、熟悉PyTorch/TensorFlow等深度学习框架；
6、能熟练使用Python/C/C++语言，进行编程和工程实现；
7、了解模型量化、剪枝等轻量化技术，对端侧部署有基本认知。
1.负责医疗AI项目的数据分析和建模工作，包括：医疗数据的数据准备、统计分析、机器学习分析建模、模型评估、可视化等工作，并根据项目需求学习及应用新方法和新技术。并与开发团队合作完成模型应用部署和模型更新等API服务。
2.负责医疗AI产品中的数据开发与分析工作，协助产品团队进行产品中的上线数据分析和优化策略制定。