商汤
多模态Agent算法研究员
多模态Agent算法研究员
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai Agent
具身智能
多模态
大模型
强化学习
自然语言处理
计算机视觉
值不值得投
73综合评分
综合评分 73
前沿技术探索、高成长性但WLB存疑的AI研究员岗位
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.8万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
76 个在招 · 其中人工智能 9 个
市场机会
选择面较广
上海 · 人工智能 · 约 250 个在招
职位详情
关于这个职位
作为商汤科技的多模态Agent算法研究员，你将深度参与前沿AI Agent系统的研发工作
你将负责跟踪并复现最新研究成果，设计和实现核心算法，让AI能够感知、理解并规划、生成行动，最终将前沿算法快速落地为原型系统，推动技术产品化
最低要求
计算机科学、人工智能、机器学习或相关领域，硕士及以上学历，有AI相关产品或者研发经验者优先
逻辑清晰，有团队协作精神，有责任心，乐于接受挑战
有计算机相关背景，熟悉深度学习、计算机视觉、多模态模型等基本知识
熟悉C++或者Python，或精通其他语言，有较好代码理解能力
熟悉Linux，具备一定的开发经验，熟悉常见问题的解决方案
熟悉常见AI编程工具（如Claude Code、Cursor、GitHub Copilot等），能将其有效融入日常开发工作流，具备借助AI工具进行代码编写、调试及提效的主动意识
工作职责
前沿探索：跟踪并复现多模态大模型、AI Agent、具身智能（Embodied AI）等领域的最新研究成果（如论文、开源项目）
算法研发：参与设计和实现多模态Agent的核心算法模块，包括但不限于
多模态感知与理解：融合文本、图像、视频、音频等信息，让Agent“看懂”和“听懂”复杂世界
规划与推理：为Agent构建长期记忆、任务规划（Planning）、工具使用（Tool-use）和自我反思（Self-reflection）的能力
行动生成：将Agent的决策转化为在数字或物理环境中的具体行动指令
实验与优化：参与构建和优化多模态Agent的训练、评测流程，设计实验验证算法效果，并进行性能分析与迭代
原型构建：将前沿算法快速落地为原型系统（Prototype），直观展示Agent的能力，并推动技术向产品转化
知识沉淀：与团队共同撰写技术报告、专利和学术论文，分享你的创新见解
AI 洞察
优缺点分析
优点
- 直接参与多模态AI和具身智能等最前沿领域的研发，技术成长空间极大
- 商汤作为AI头部公司，拥有强大的算力资源、数据和顶尖的同事，平台价值高
- 工作成果能快速原型化并看到效果，从算法到产品的转化路径相对清晰
- 有机会参与撰写顶级论文和专利，对个人技术品牌积累非常有帮助
- 技术领域前沿，知识迭代快，需要持续高强度学习，对学习能力要求极高
- 多模态Agent系统复杂，涉及感知、认知、决策多个模块，对综合能力要求高
缺点 / 挑战
- 前沿探索性工作可能面临较高的不确定性和较长的研发周期，需要耐心和抗压能力
- 适合计算机、人工智能等相关专业硕士及以上学历，对多模态AI、具身智能等前沿技术有浓厚兴趣，具备扎实的算法基础和工程能力，乐于探索和解决复杂挑战的技术研究型人才
角色解读
- 技术专家路线：深耕多模态AI与具身智能领域，成为该方向的技术权威
- 技术管理路线：带领小团队负责特定模块或方向的研发，向技术负责人发展
- 研究科学家路线：更侧重于算法创新与论文发表，推动学术界与工业界的边界
- 研究并复现最前沿的多模态大模型和AI Agent论文与项目，保持技术敏感度
- 设计并实现AI Agent的核心算法，使其具备感知、理解、规划、推理和行动的能力
- 将复杂的算法转化为可运行的原型系统，验证技术效果并推动产品落地
- 进行模型训练、评测与优化实验，并撰写技术文档、论文或专利进行知识沉淀
- 扎实的深度学习、计算机视觉、自然语言处理等人工智能基础知识
- 精通Python或C++编程，熟悉Linux开发环境，具备良好的工程实现能力
- 熟悉多模态模型（如Vision-Language Model）、强化学习、规划算法等关键技术
- 了解并善用AI编程辅助工具（如GitHub Copilot等）提升开发效率
申请策略
- 仔细研读商汤在多模态和具身智能领域的最新技术博客或论文，了解其技术方向和痛点
- 在简历和面试中，清晰地阐述你对“多模态Agent”工作流程的理解，从感知到行动的完整链条
- 突出深度学习、计算机视觉、NLP等相关领域的项目经验或研究成果（如论文、竞赛、开源项目）
- 强调Python/C++编程能力和Linux环境下的开发经验，展示工程落地能力
- 如果有使用AI工具（如Copilot）提升效率的实例或对前沿技术的追踪学习经历，可以简要说明
- 硕士及以上学历背景是基本要求，相关研究方向或毕业设计课题是加分项
- 系统复习和深化多模态大模型（如LLaVA, GPT-4V等）、强化学习、规划算法等理论知识
- 动手实践最新的开源项目（如MetaGPT, AutoGen等），了解AI Agent系统的实现框架
面试指南
- 技术问题回答采用“原理+实践+反思”的框架：先讲清楚技术原理，再结合自己的项目经历说明如何应用，最后总结其中的难点和优化空间
- 系统设计类问题遵循“需求分析-模块划分-技术选型-挑战与解决方案”的逻辑，展示系统性思维
- 开放性问题结合行业最新动态和个人的独立思考，表达自己的见解，避免泛泛而谈
- 请描述一个你印象最深刻的多模态AI或Agent相关工作，并解释其核心原理和你的贡献
- 如何设计一个能同时理解图像和文本的Agent系统架构？需要考虑哪些关键模块？
- 在Agent的任务规划（Planning）中，如何处理长期依赖和子任务分解？有哪些常用方法？
- 你如何看待当前多模态模型（如GPT-4o）的能力边界？你认为Agent下一步最需要突破的是什么？
- 你平时是如何使用AI编程工具（如GitHub Copilot, Cursor）来辅助你日常开发的？
职位点评
薪资福利65
成长发展95
工作生活50
使命价值85
薪资福利
65中等
职位未明确披露薪资福利，作为头部AI上市公司，基本薪酬福利体系应较为完善，但具体竞争力需结合个人谈判情况。
薪资信号未披露（AI估算：2.5千–5万/月）
成长发展
95较高
该职位处于AI技术最前沿，涉及大模型、Agent、具身智能等新兴领域，技术挑战性极高，成长空间巨大，且公司提供学术产出平台，对技术深度和广度提升极有帮助。
技术前沿前沿/新兴技术
技术栈多模态大模型、AI Agent、具身智能、规划（Planning）、工具使用（Tool-use）、深度学习、计算机视觉
成长机会撰写技术报告、专利和学术论文
业务类型profit_center
工作生活
50较低
工作地点为一线或新一线城市，但办公模式未明确说明，通常此类前沿研发岗位要求现场办公。JD中未提及任何关于工作生活平衡的信息。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
多模态Agent是人工智能领域的核心前沿方向，有望深刻改变人机交互和自动化方式，具有很高的行业增长预期和技术革新性。参与其中能产生较强的技术价值感和使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号让Agent‘看懂’和‘听懂’复杂世界、推动技术向产品转化
创新程度开拓性创新（行业首创）
Watch Jobs