薪酬概览
平均月薪
¥28200
中位数 ¥26500 ｜ 区间 ¥21400 - ¥35000
数据来源：谈职全网38份招聘数据；更新时间：2026年7月13日
月薪分布
57.9% 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
6月新增岗位
77
对比上月：岗位新增46
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 | 53 | 74.6% |
| 1-3年 | 8 | 11.3% |
| 3-5年 | 5 | 7% |
| 不限经验 | 5 | 7% |
热招职位
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、从事医疗AI、保险等产品中数据分析建模工作，包括医疗数据提取、数据清洗、统计分析、机器学习建模、模型评估、可视化等。掌握医学算法模型建模的需求分析、建模、评估、结果解释的全链路。
2、追踪医学AI领域的前沿研究，包括医学大模型、疾病预测模型等，根据项目需求学习并在落地项目中应用新方法和新技术。
3、与产品和研发团队合作，在医疗AI产品中贡献医学AI算法，并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。
1、业务介绍：负责顺丰统一AI和智能体基础设施建设，打造行业领先的AI中台和AI生态。
2、岗位内容：深度参与顺丰内部智能体项目，通过AI技术落地应用并且提升业务效果。
3、研究内容：（1）参与大模型技术研发与优化，深入探索大模型（如LLM、多模态模型）的核心算法，包括预训练、微调（Fine-tuning）、提示工程（Prompt Engineering）、RAG（检索增强生成）等技术，优化模型效果与性能；（2）负责大模型在垂直领域的应用开发，包括但不限于智能问答、AIOps、AI Coding等场景，推动技术成果转化为实际生产力。
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.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、 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. 需求洞察与方案设计：深入客户业务一线，挖掘痛点，转化为技术方案。
2. 技术交付与集成：主导端到端交付，包括原型开发、系统集成、部署调试。
3. 项目管理与客户成功：独立管理项目全周期，推动落地并实现业务价值。
4. 反馈闭环与产品迭代：作为连接市场与研发的"神经末梢"，带回一线反馈。
1-深入理解经营分析、金融市场分析等业务需求，融合业务知识与数据分析技术，与业务团队协作，梳理分析目标与指标，制定合理的时序数据分析策略。2-负责时序数据的清洗、处理与特征工程，确保数据的准确性和一致性。3-熟练运用归因分析、假设检验等方法，深入挖掘数据背后的因果关系和规律，为业务提供数据驱动的洞察。4-开发高维时序数据分析方法，构建和优化时序预测模型，包括但不限于ARIMA、GARCH、LSTM等模型。5-开发基于知识图谱的图推理算法在经营分析场景的应用研究，包括但不限于RGCN，TRGC等卷积神经网络。6-熟练应用常用的机器学习和计量经济学模型，从模型的输出中提取有用信息，对黑箱模型进行解释分析，并在业务场景中合理运用并解释复杂模型的决策过程。7-了解模拟仿真技术，包括但不限于蒙特卡洛模拟、场景树生成、运筹优化算法等。8-编写详细的分析报告与技术文档，向业务和技术团队展示数据分析结果和模型应用效果。通过可视化工具清晰呈现时序数据分析的关键发现，支持业务决策过程。
1、业务介绍： 聚焦物流供应链，基于文本/图像/视频多模态数据，构建垂域多模态大模型，创新PT-SFT-RLHF方法论，赋能安全检测、违规巡检，降本增效。
2、岗位内容：负责垂域多模态模型继续预训练，视频理解等能力的攻坚。
3、研究内容：（1）基于物流供应链领域文本/图像/视频数据，探索构建垂域多模态大模型，创新提炼垂域适配的PT-SFT-RLHF各阶段数据构建、模型训练与评测方法论；（2）探索垂域多模态大模型前沿应用方向，提升垂域多模态基础能力，包括目标检测，视频分类，视频问答，视频描述等任务，赋能安全检测、违规巡检等业务，实现降本增效。
1、负责美颜算法核心技术的研发与创新，覆盖皮肤质感优化、面部特征建模、动态光影处理等方向；
2、基于深度学习与计算机视觉技术，优化算法在移动端的实时性与计算效率，推动算法在手机终端落地；
3、结合用户需求与影像技术趋势，探索多场景适应性美颜方案（如暗光/逆光/动态视频等）；
4、深度参与影像产品迭代，与硬件、软件、设计团队协作，打造行业领先的拍摄体验。
我们是中国客户体量最大的金融机构，当前发展阶段需要利用AI深度识别客户的风险，并且利用AI对抗黑产（如洗钱，电诈等），用AI对抗AI模式将在今后融入整个金融生态。