北京月之暗面科技有限公司——强化学习算法工程师
北京月之暗面科技有限公司（Moonshot AI）是国内大模型研发领域的头部企业，长期专注人工智能技术的边界突破。业务扩张之际，公司现面向社会招聘强化学习算法工程师一名。岗位设在北京核心科技园区，要求硕士及以上学历，计算机科学、人工智能、数学或相关专业出身。薪酬方面，企业给出月薪40-70K、16薪的待遇，综合年薪落在64万至112万之间。岗位信息来自BOSS直聘平台，发布日期为2026年8月3日，招聘流程高效透明，欢迎符合条件的优秀人才投递简历。
岗位职责上，该职位将深度参与公司大模型强化学习算法的研发与优化，具体包括设计并实现高效的RLHF（基于人类反馈的强化学习）算法框架，优化模型在复杂任务中的决策能力；与算法团队协作，探索多模态、长序列等前沿场景下的强化学习应用；同时跟踪学术界最新研究成果，将其转化为可落地的技术方案。任职要求方面，候选人需扎实掌握强化学习核心理论（如PPO、DPO、SAC等主流算法），熟悉PyTorch/TensorFlow等深度学习框架，具备大规模分布式训练经验者优先；此外，良好的工程实现能力、团队协作精神以及对AI技术创新的高度热情是必备素质。对于有志于在大模型领域深耕的算法人才而言，这不仅是高薪岗位，更是与顶尖技术团队共同成长、参与行业前沿项目开发的绝佳机会。
从发展前景来看，月之暗面作为大模型赛道的新锐力量，拥有充足的技术积累和资本支持，为员工提供了清晰的职业晋升通道与丰富的技术交流资源。公司鼓励技术创新，支持员工发表学术论文与参加国际顶会，并提供丰厚的项目奖金与股票期权激励。对于追求技术卓越与职业成长的算法工程师而言，这是一个不可多得的高价值平台。
除了上述核心岗位，北京地区同类企业近期亦有相似职位开放，供求职者参考：
1. 智谱AI（Zhipu AI）——强化学习算法研究员，硕士及以上，30-60K·15薪，负责GLM系列模型的强化学习对齐工作，地点海淀区。
2. 百度（Baidu）——强化学习高级算法工程师，硕士及以上，35-55K·16薪，参与文心大模型的RLHF技术研发，地点百度科技园。
北京AI岗位市场趋势
截至2026年中，北京AI大模型相关岗位的招聘热度持续攀升，强化学习算法工程师已成为各大厂商争夺的核心人才。从BOSS直聘平台数据来看，此类岗位的平均薪资区间已从去年的30-50K上浮至35-70K，且普遍附带16薪或期权奖励，反映出市场对具备强化学习实战经验的高端人才存在显著供不应求的状态。同时，企业用人标准也由单纯的学术背景转向“算法理论+工程落地”的双重能力要求，具备大规模分布式训练或大模型对齐经验者尤为抢手。预计未来两年内，随着多模态与具身智能的进一步发展，强化学习方向的人才缺口将进一步扩大，相关岗位薪资仍有上行空间。