深圳自然语言处理算法工程师
自然语言处理算法工程师是负责研究和开发人工智能和计算机科学领域的专业人士。他们致力于开发能够理解、处理和生成自然语言数据的智能算法和系统。这些专家需要具备深厚的数学、计算机科学和机器学习知识，以便设计和实现高效的自然语言处理算法。他们通常会利用机器学习和深度学习技术来构建文本分类、情感分析、语义理解和机器翻译等应用程序。此外，他们还需要密切关注自然语言处理领域的最新研究进展，并将其应用于实际工程项目中。综合来说，自然语言处理算法工程师在推动人工智能和自然语言处理技术的发展方面起着至关重要的作用。
薪酬概览
平均月薪
¥20000
中位数 ¥15500 ｜ 区间 ¥16500 - ¥23400
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
40% 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
11月新增岗位
7
对比上月：岗位新增3
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 | 7 | 100% |
热招职位
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。
1、打造终端智能感知能力，突破关键多传感器融合特性，实现连续、低功耗等要求；
2、负责智能终端的算法架构设计能力，包括：机器学习/深度学习算法、多平台异构优化与端到端全链路理解能力；
3、保障模块设计开发的高效落地。
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。
1.模型评估与选型：构建多维度的算法评估体系，针对业务场景对开源/闭源模型进行能力对标，负责模型微调方案（LoRA、SFT/DPO）的效果评估。
2.高级RAG技术研发：负责RAG（检索增强生成）全链路优化，包括复杂文档解析（OCR协同）、多模态数据切片（Chunking）、多路召回与重排序（Rerank）算法。
3. 特征工程与数据处理：针对业务数据进行深层特征化处理，提升向量检索的语义精准度，设计高效的数据预处理管线。
4.提示词架构优化：负责复杂场景下的Prompt Engineering，设计具备自愈能力（Self-Correction）和推理链（CoT）的高质量提示词模版。
5.算法前沿跟踪：实时跟踪大模型、长文本处理、结构化抽取等领域的发展动态，并完成业务侧的技术验证。
1.负责门店订货相关的数据挖掘和算法应用，包括销售额预估、SKU销量预测、物料订货推荐、物料盘点异常检测等。
2.负责供应链相关的数据挖掘和算法应用，包括物料出仓需求预测、库存预测、物料补货推荐、物料调拨推荐等的算法方案建设。
3.负责活动相关的数据处理、分层、影响预估、影响平滑等频繁活动相关业务场景的挖掘探索。
1、主导规划项目立项，准备项目背景和技术资料，立项报告及其它必要的立项资料。
2、主导分解项目开发计划，项目开发计划表。
3、统筹制定新员工专业技术培训计划，培训计划表。
1.负责 DataBuddy 大模型效果优化体系建设，围绕企业级大数据场景，构建覆盖任务理解、数据问答、工具调用、任务执行、结果可信等环节的评测体系；
2.负责 DataBuddy 数据飞轮建设，持续沉淀用户反馈、交互日志、执行结果、错误案例和高质量样本，形成可用于评测、训练和效果回归的数据资产；
3.负责大模型后训练相关工作，包括 SFT、偏好优化、RL 等方法在 DataBuddy 场景中的应用，持续提升模型在复杂数据任务中的稳定性、准确性和可控性；
4.结合 DataBuddy 产品场景，设计自动化评测、人工评审、Case Benchmark、回归测试等机制，支撑模型版本迭代、能力对比和上线决策；
5.与产品、Runtime 工程、应用开发团队协作，定位模型在真实业务场景中的效果问题，推动从问题发现、样本构造、模型优化到效果验证的闭环改进。
1、教育背景： 计算机、人工智能及相关专业硕士或博士；
2、技术功底： 扎实的 Python/C++ 基础，精通 PyTorch 及分布式训练工具；
3、核心能力：
（1）深入理解 Transformer 架构，熟悉主流大模型（如 GPT-4o, Qwen-Audio, RT-2 等）原理；
（2）了解音频特征提取及 Audio Tokenizer（如 EnCodec, AudioDec）基本原理；
（3）有 Agent 框架（LangChain, AutoGPT 等）开发经验或多模态对齐经验者优先；
4、综合素质： 具备良好的学术前瞻性或工程落地能力，能解决非结构化环境下的鲁棒性挑战。
1、核心NLU引擎研发：负责意图识别、实体抽取、情感分析、文本分类等核心NLU任务的算法设计、模型训练与优化。针对特定业务场景，构建高精度、高鲁棒性的NLU模型，并持续迭代提升效果。跟踪NLU领域的最新研究成果，并将其应用于实际业务中。
2、LLM-basedAgent构建：设计和开发基于大语言模型的智能体框架，实现复杂的任务规划、推理和工具调用。负责多轮对话管理、上下文理解和状态追踪模块的研发，打造流畅、智能的对话交互体验。探索Agent的自主学习和决策能力，使其能够完成开放域、多步骤的复杂任务。
3、RAG技术应用与优化：设计并实现高效的检索增强生成（RAG）系统，结合向量检索与大语言模型，提升回答的准确性、时效性和可追溯性。负责文档切分、向量化、索引构建以及召回、排序等全链路模块的优化。研究并解决RAG系统中的常见问题，如信息噪音、召回不准、知识冲突等，并有效减少模型幻觉。
4、工程与落地：负责算法模型的工程化部署、性能优化和线上服务的稳定性维护。与产品、工程团队紧密合作，深刻理解业务需求，推动AI技术的快速落地和商业化应用。构建完善的评测体系和数据闭环，驱动模型和系统持续改进。
机器人移动操作算法专家（Loco-Manipulation）
- 机械工程、机器人学、计算机科学、人工智能等相关领域硕士及以上学历，具有竞赛获奖经历或顶会/顶刊论文发表经验者优先
- 技术实力雄厚：精通 MPC、WBC 等现代控制理论，在深度强化学习、模仿学习、扩散策略等前沿方向有深入研究，具备计算机视觉交叉背景者尤佳
- 工程能力出众：精通 C++/Python，熟练掌握 PyTorch 框架，精通 Mujoco（含 MJX、MuJoCo_warp）、Isaac Gym、Isaac Sim 等主流仿真平台
- 系统集成经验：具备机器人软硬件协同优化经验，能够端到端解决复杂系统问题
- 团队领导力：3年以上技术团队管理经验，成功带领团队完成高难度技术攻关项目，具备技术愿景制定与执行能力
- 使命驱动：对人形机器人事业充满激情，具备创业者精神，能在技术无人区开拓创新
【携手构建下一代智能机器人】
作为移动操作技术负责人，您将定义人形机器人与物理世界交互的新范式，在具身智能革命中创造历史。
1.负责文本大模型在AI编程垂直领域（如代码生成、工具调用、接口测试）的数据构造、Post-Training与评估全流程；
2.深入代码大模型与文本推理方向，进行模型调优与能力创新，覆盖代码补全、流水线自动化、测试用例生成等场景；开展大模型智能体（Agent）的开发与设计，包括智能体工作流编排、工具调用规划、复杂任务分解与执行等；
3.负责文本上下文压缩技术的研究，并在代码检索、知识库问答领域的落地，包括Embedding压缩、长上下文（Long-context）优化、结构化文本处理等；
4.负责基于大模型的知识检索问答（如RAG）系统的研发与优化，包括领域知识库构建、检索增强生成技术应用、问答准确性提升等；
5.跟踪文本大模型、程序语言处理及智能体技术领域的技术进展，评估其在研发效能提升方面的应用潜力。
1、负责视觉-语言大模型(VLM)研发与优化，推动中医智能诊疗、医学图像分析等场景的端到端算法落地。
2、针对舌象、面色、关节等多类医学图像，开发分类、检测、分割及异常检测算法，支撑辅助诊断与健康评估。
3、设计跨模态融合架构，实现图像、文本等多源数据的协同建模与联合推理。
4、基于LLM/VLM进行SFT、RLHF、LoRA等微调，优化辨证论治、报告生成、医学问答等任务，提升临床实用性。
5、开发具备自主推理与工具调用能力的Agentic智能体，覆盖辅助诊断、用药监测、随访管理等自动化场景。
6、构建医学知识图谱，结合RAG技术增强模型可解释性与专业可信度。
7、跟踪前沿技术，探索创新应用，确保算法符合医疗伦理与监管要求。