薪酬概览
平均月薪
¥59400
中位数 ¥50000 ｜ 区间 ¥45700 - ¥73100
数据来源：谈职全网16份招聘数据；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
80
对比上月：岗位减少68
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 | 11 | 14.1% |
| 3-5年 | 45 | 57.7% |
| 不限经验 | 22 | 28.2% |
热招职位
1、参与金融类和医疗健康类产品的用户增长、流量运营、搜推等算法工作。支持保险、银行、医疗服务等场景的用户增长和经营业务。
2、与产品、运营协同，构建针对不同场景的智能化用户增长方案。
3、探索大模型技术在搜索、推荐场景的应用，研究AI搜索、生成式推荐、LLM4Rec在综合金融等场景的落地。
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.在一个或多个领域（对话系统、推荐系统、搜索系统、广告系统）有实战经验；
2.有过成功产品上线运营经验；
3.在同等条件下，通过腾讯云认证或取得同等资格认证的候选人，我们会优先考虑。
1. 参与音频大模型的全流程研发，包括跨模态对齐、多模态理解及生成，涵盖文本和语音等训练数据的清洗和制作、基础模型算法选型与优化，聚焦预训练、监督微调及强化学习等关键环节的技术迭代；
2. 负责语音对话大模型的端到端效果优化，提高在远场、低信噪比、多人、音乐等场景下的理解及生成效果，改善模型在方言、副语言信息等方面的理解能力，加强情感对话能力；
3. 探索多模态模型的理解和生成范式，跟进业界新的多模态大模型结构，从模型效果优化及降低全链路处理延时等多个方面开展前沿性研究及落地工作。
1.负责大语言模型后训练（Post-Training）阶段的核心技术研发，构建和优化高质量的奖励系统（Reward System），通过Reward Modeling (RM) 和强化学习（RL）算法持续提升模型在复杂指令遵循、逻辑推理及价值观对齐方面的能力；
2.深入研究和优化 RLHF 等后训练算法，提升模型训练的稳定性和最终效果；
3.负责大模型个性化（Personalization）与长期记忆（Memory）机制的算法研发，构建精准的“千人千面”用户建模体系，探索模型如何理解、提取、记忆并动态适应不同用户的长期偏好，持续提升个性化交互体验；
4.负责后训练阶段的数据合成与管理，设计高效的数据飞轮机制，利用SFT、Self-Instruct等技术合成高质量训练数据，并负责建立从用户多维反馈（User Feedback）到模型迭代的闭环信号建模体系；
5.负责后训练模型的全维度评测与分析，制定科学的评价指标，跟进前沿技术动态，将最新研究成果快速转化为业务价值。
PUBG Mobile-高级算法工程师(数据挖掘)-新星引力计划
1.负责利用机器学习算法解决PUBG Mobile的业务问题，如活跃、社交、安全等相关内容的推荐和优化，能够进行问题抽象、技术选型、算法落地与优化，最终提升玩家体验；
2.负责游戏数据分析，包括不限于构建用户画像、用户增长、因果推断、归因分析等，并策划团队配合，依据业务需求，调整算法策略和确定模型优化方向；
3.负责具体项目落地，运用大数据+AI为项目带来可观的收益；
4.负责前沿技术跟进，能够识别技术的有效性并快速应用。
1. 多模态大模型研发优化：负责CV领域多模态大模型研发工作，聚焦图像、视频、文本多模态融合，完成视觉大模型预训练、微调、对齐优化，包括SFT、RLHF、Prompt工程、模型量化等工作，提升模型视觉理解、细粒度识别、图文匹配、图像生成能力。
2. 视觉Agent智能体开发：负责AI Agent架构设计与开发落地，搭建视觉智能体任务编排框架，实现Agent感知、推理、规划、执行闭环能力，完成视觉任务拆解、工具调用、多智能体协同、自主决策逻辑开发，落地CV场景智能化应用。
3. 算法方案设计与迭代：结合业务场景需求，调研跟进国内外多模态大模型、视觉Agent前沿技术，设计高精度、高稳定性的算法解决方案，持续优化模型推理速度、泛化能力、复杂场景适配性。
4. 数据处理与评测体系搭建：负责多模态视觉数据清洗、标注、增强、蒸馏优化，搭建模型评测基准，针对视觉识别、Agent任务执行效果进行量化评估，输出优化迭代方案。
5. 工程化落地与优化：配合工程团队完成模型轻量化、推理部署、性能调优，兼顾算法效果、算力成本与系统稳定性，实现多模态模型+视觉Agent在业务场景的规模化落地。
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。