薪酬概览
平均月薪
¥28400
中位数 ¥22500 ｜ 区间 ¥20400 - ¥36400
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
75% 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
4月新增岗位
9
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 |
|---|---|---|
| 应届 | 9 | 100% |
热招职位
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。
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、负责语音识别、语音理解、以及端到端语音大模型的算法研究，模型训练优化及业务落地
2、基于智能语音交互项目上遇到的生产问题及业务痛点进行深入分析，提出优化解决方案
3、同工程团队一起紧密配合，推动模型的上线及线上效果的追踪
4、跟进语音大模型的最新技术进展，评估哪些技术方案可应用于平安业务场景，并具有落地可行性，进行技术引进。
1.大模型在医疗领域的应用研究，涵盖AI诊疗（如诊断辅助、基于多组学个性化用药方案生成）等方向，推动AI技术在临床决策支持、健康管理中的落地。
2.参与端到端的算法任务设计、模型训练和优化，确保模型在医疗场景中的高精度、高可靠性。
3.与医疗专家、数据科学家和工程师紧密合作，将前沿AI技术转化为实际解决方案，解决医疗行业痛点。
4.探索大模型在医疗AI的前沿应用，以支持持续的技术迭代和产品创新。
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。