薪酬概览
平均月薪
¥25100
中位数 ¥0 ｜ 区间 ¥18300 - ¥31800
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
66.7% 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
7月新增岗位
1
对比上月：岗位减少1
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 | 1 | 100% |
热招职位
1. 负责大语言模型及多模态模型的推理服务部署、性能优化和稳定性保障。
2. 基于 vLLM、SGLang、TensorRT-LLM 等框架，建设和优化推理服务能力。
3. 跟踪推理加速前沿技术，推动量化、长上下文优化、PD 分离等能力落地。
1、背景要求： 计算机、人工智能、自动化、机器人等相关专业在读硕士或博士，表现特别优秀的本科生亦可；
2、理论基础： 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、编程能力： 精通 Python，熟练使用 PyTorch 框架，具备良好的代码风格和算法实现能力；
4、学习能力： 具备优秀的逻辑思维和文献阅读能力，能够快速理解并实现前沿论文中的核心思想；
5、实习时间： 每周可实习 4 天以上，持续时间不少于 4 个月（半年以上优先）。
加分项：
科研成果： 在 CVPR, ICCV, NeurIPS, ICRA, IROS 等顶会发表过相关论文者优先；
项目经验： 有扩散模型（Diffusion Model）、强化学习（RL）、或大型开源项目（如 OpenVLA, Pi0 等）贡献经验者优先；
机器人背景： 熟悉 ROS/ROS2，有真机调试经验或物理引擎仿真（如 Isaac Gym, Sapien）经验；
竞赛经历： 在知名 AI 竞赛或机器人挑战赛中取得优异成绩。
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.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、本科及以上在读，数学、计算机、人工智能、自动化、机器人等相关专业优先；
2、至少 1 年强化学习相关项目或研究经验，熟悉足式机器人运动学和动力学；
3、熟练使用基于 Pytorch 的深度学习框架，掌握 PPO、DQN、SAC 等主流强化学习算法，以及 MuJoCo、Isaac Gym/Sim 等主流仿真工具；
4、热爱机器人行业，有相关期刊或会议论文发表经历，或实际强化学习项目落地经验者优先。
【你将获得】
1、深度参与最前沿的具身智能算法研发，专注于双足机器人运动规划与控制，以及从仿真到实机的迁移；
2、行业内资深专家的指导，对于优秀成果，我们将全力支持发表学术论文或申请专利；
3、完备的实验室支持，包括充足的计算资源、稳定的机器人平台和强大的软硬件团队；
4、明确的成长路径：实习生是公司的重要储备人才，对于即将毕业的优秀实习生，我们优先考虑其全职工作申请。
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.学术成果：在ACL、EMNLP、NeurIPS、ICML、ICLR等会议或期刊上发表过 关于 大语言模型（LLM）、NLP、强化学习、机器学习等方面的论文；
2.项目经验：有大语言模型（LLM）和NLP的实际业务经验，包括不限于剧情生成、可控NPC对话、聊天对话、逻辑推理、盘面推理等；
3.竞赛经验：在kaggle等竞赛中获得过优异名次。
1、学历与专业： 计算机、自动化、机器人、人工智能、数学等相关专业，硕士及以上学历
2、有端到端自动驾驶（如UniAD）或VLA模型（如RT-2）等在机器人/自动驾驶领域的应用经验；
3、具备良好的数理功底以及代码能力；
4、熟悉强化学习、模仿学习、扩散策略在自动驾驶/机器人中的应用；
5、有大规模分布式训练、模型量化、端侧部署（TensorRT/ONNX/CUDA）经验优先；
6、有自动驾驶世界模型（预测或生成方向）研发经验优先。
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。