DataHub 关键词情报 · 数据更新至 2026-07-22
远程算法与研究招聘信息
本页聚焦远程算法与研究岗位，适合搜索具体城市和职能方向的用户查看公司、薪资和代表岗位。
活跃公司
- Anthropic37 · 67.3%
- Runway6 · 10.9%
- 阿里巴巴4 · 7.3%
- OpenAI3 · 5.5%
- Stability AI1 · 1.8%
- Mistral AI1 · 1.8%
- Cursor1 · 1.8%
- 小米1 · 1.8%
- 百川智能1 · 1.8%
热门地点
- 远程55 · 100.0%
岗位方向
- 算法与研究55 · 100.0%
OPEN ROLES
代表岗位
研究经理
管理和扩展Runway的应用机器学习研究团队；与工程组织合作，监督研究向生产的过渡；与产品团队合作，启动和开发具有明确用户价值的研究项目；5年以上计算机视觉研究科学家的行业经验，1年以上团队管理经验
研究科学家 - 可控3D生成
开展关于流匹配、扩散和基于分数的方法在3D生成和重建中的前沿研究；设计和实现可扩展的训练流程，用于可控3D生成（网格、高斯、NeRFs、体素、隐式场）；开发用于条件控制和多视图一致性的技术（文本、草图、姿势、相机、物理）
大模型Agent算法工程师
从事Qwen基础大模型的通用Agent能力优化，包括Tool use、RAG、Planning、Memory等能力的算法研发和优化；跟进业界Agent Benchmark，保持Qwen的Agent行业领先水平
安全研究员，可信计算与密码学
构建AI生命周期（从数据到部署）的AI堆栈威胁地图；针对训练和推理中的系统性、跨层风险，提供深入的漏洞和缓解措施报告；协调研究、工程、安全和政策团队的输入，以产生清晰、可操作的输出；作为主要技术代表与外部合作伙伴对接，将交付成果与技术目标和里程碑对齐
保障措施技术项目经理（模型发布方向）
全面负责模型发布的端到端保障措施就绪工作，从发布前规划到发布后稳定，确保分类器系统为每个新模型版本正确配置、测试和扩展；协调复杂的跨平台部署，管理分类器在各个平台的推出，每个平台都有不同的基础设施限制、容量要求和部署时间表
AI研究工程师
研究和开发新方法以推动大型语言模型的前沿发展；跨用例（如推理、代码、智能体）和模态（如文本、图像、语音）开展工作；构建工具和基础设施，以实现大规模AI模型的训练、评估和分析；与其他科学家、工程师和产品团队跨职能合作，交付具有实际世界影响力的AI系统
Software Engineer ML Research
训练世界领先的下一动作预测和应用模型；发明推理技巧以实现更快的代码编辑；创建检索模型和编程语言技术以解决代码库感知问题；构建使Cursor智能化的系统；解决模糊的研究问题并发明创新技术；具备训练和服务最先进模型的经验
自动驾驶感知模型部署工程师
负责自动驾驶感知模型（Detection / Segmentation / BEV / Multi-Modal）在多种硬件平台上的部署与加速，包括 GPU、NPU、CPU（如 NVIDIA）等平台
高级算法工程师
熟悉LLM、了解RAG全流程，探索graphrag、lightrag等前沿方案，构建医疗等专业领域的知识库；设计开发搜索召回算法，包括dense模型、sparse模型和粗排模型，提升搜索效率与召回率
应用研究科学家
开发前沿的计算机视觉和生成模型，为创意工具提供动力；与后端团队合作，将研究模型投入生产；与设计和前端工程团队协作，确保机器学习模型与用户界面和谐工作；4年以上机器学习、计算机视觉和/或图形学相关工程或研究经验
高级应用研究科学家
领导应用强化学习技术改进模型质量和可控性的工作；构建具有影响力且新颖的机器学习项目；开发干净且可维护的研究代码；构建人机交互系统以支持创意任务；将研究从初始概念推进到实际应用；指导和培训其他研究人员
高级应用研究科学家
领导Runway多模态模型的预训练工作；构建具有影响力且新颖的机器学习项目；开发干净且可维护的研究代码；构建人机交互系统以支持创意任务；将研究从初始概念推进到实际应用；指导和培训其他研究人员
高级应用研究科学家
领导大型语言模型和视觉语言模型的开发；专注于多模态能力和推理；将研究成果应用于创意任务的新用户界面；4年以上相关机器学习工程或语言模型研究经验；非常强的编程能力，能够编写清晰且可维护的研究代码
研究团队负责人
领导并推动Runway应用机器学习研究团队的新研究项目执行；具备计算机视觉领域的强大研究背景；对管理和赋能其他研究人员开发前沿研究有浓厚兴趣；跨职能合作，与工程团队协作监督研究成果向生产的过渡
大模型数据算法工程师（通义千问团队）
快速理解模型预训练需求，灵活调整数据方案以适应高频迭代；开发工具完成数据收集、清洗、格式转换（如HTML2Text、PDF2Text、ASR等）；构建验证与测试集以量化性能指标，优化流程以应对超大规模数据挑战
多模态智能体算法工程师
探索Android、Ubuntu、Windows等多端场景下，面向GUI交互、代码生成、Tool Use等场景的通用多模态Agent构建，提升多端智能体的交互能力与适配性；开展多模态理解、强化学习、Tool Use等前沿技术的研究与实践
音频算法研究员/工程师（通义千问团队）
负责单人及多说话人语音识别技术的研究与优化；开展语音合成与高质量音频合成相关工作；进行音频前端处理与音色转换技术研发；实现音色克隆(Zero-Shot TTS)相关算法；探索音乐生成与歌声生成的创新方法
模型评估技术项目经理
标准化评估结果的生成、记录、跨模型版本比较以及向利益相关者传达的方式；负责模型发布的端到端评估准备就绪工作——跟踪哪些评估已准备就绪、哪些需要在过往模型上评分、以及哪些符合营销材料的标准
生物安全研究科学家
设计和执行能力评估（'evals'），以评估新模型的能力；与内部和外部的威胁建模专家密切合作，为我们的安全系统开发训练数据，并与机器学习工程师合作训练这些安全系统，优化对抗性攻击的鲁棒性和对合法研究人员的低误报率
模型行为产品经理
定义行为默认值和可控性约束；跨能力开发和维护模型行为分类法；识别、分类和优先处理行为问题与机会，协调用户、研究、产品和安全团队的输入；放大对齐研究突破，将其转化为产品、流程和模型改进；深入理解用户交互模式，以识别使Claude更有帮助和更安全的行为改进
研究产品经理
与研究人员合作，了解新兴技术及其对用户的意义；识别可能成为变革性产品的早期研究能力；在投入资源前，亲自构建原型以验证想法；领导从研究到内部原型再到产品发布的从0到1产品开发；为超越当前产品范围的实验性项目制定产品战略
研究团队产品经理
领导利用最新AI能力解决现实世界问题的前沿技术的愿景、战略、路线图和执行；与研究团队合作，在特定研究领域内定义、改进并交付模型能力；识别可能成为变革性产品的早期研究；将用户洞察综合为可操作的需求和评估标准
MCP（模型上下文协议）开发者关系工程师
执行开发者发现和参与MCP的近期及长期战略；基于数据、反馈和AI开发者的需求，优先考虑社区建设和增长计划；与产品和工程领导层合作，确保开发者需求影响产品路线图；培养体现Anthropic价值观的协作文化，同时推动开发者参与方式的创新
研究工程师
跨全栈工作，识别并消除阻碍科学通用人工智能进展的瓶颈；开发应对长期任务完成和复杂推理挑战的方法，这些挑战对科学发现至关重要；将研究想法从原型扩展到生产环境；创建基准和评估框架，以衡量模型在科学工作流程和计算机使用方面的能力
研究工具软件工程师
构建和维护研究人员日常用于进行实验、收集反馈和分析结果的全栈应用程序和基础设施；与研究团队紧密合作，了解其工作流程、痛点及需求，并将其转化为技术解决方案；设计直观的界面和抽象层，使复杂的研究任务易于操作且高效
高级研究科学家（奖励模型团队）
领导关于RLHF（基于人类反馈的强化学习）的新型奖励模型架构和训练方法的研究；开发和评估基于LLM（大语言模型）的评分与评估方法，包括提高一致性和可解释性的基于量规的方法；研究检测、表征和缓解奖励黑客攻击及规范博弈的技术
社会影响研究科学家
使用Clio等观察工具分析现实世界使用模式，洞察用户与Claude的互动方式；构建并运行评估，以衡量Claude在其《宪法》关键维度（如高风险情况下的安全性和建议质量）上的行为；与微调、安全防护、政策和可解释性团队紧密合作，将研究见解转化为模型改进
编码与网络安全数据研究运营与战略负责人
制定并执行针对编码能力、网络安全评估和智能体AI研究的数据战略；与研究负责人合作，将技术要求转化为可操作的框架；通过内部工具、供应商合作和新方法，构建数据收集和评估系统；识别、评估和管理用于技术数据收集的专业承包商和供应商
研究工程师
构建下一代智能体训练环境；建立严格的评估体系以衡量真实能力；与研究及基础设施团队协作，将环境部署到生产训练中；在研究与生产机器学习技术栈中快速调试和迭代；通过技术讨论和协作解决问题，为研究文化做出贡献
研究工程师/科学家，社会影响
设计和实施可扩展的技术基础设施，使研究人员能够高效运行实验和评估AI系统；构建能够处理不确定和变化需求的系统，同时保持高可靠性标准；领导技术设计讨论，确保基础设施支持当前需求和未来研究方向
研究科学家 - 前沿红队（网络安全方向）
开发人工智能赋能的网络安全系统、工具和框架，例如自主漏洞发现与修复、恶意软件检测与管理、网络加固和渗透测试；设计并运行实验，在现实场景中激发和评估自主人工智能的网络能力；设计并构建用于评估和使人工智能系统在安全环境中运行的基础设施
研究工程师（对齐科学）
构建并运行优雅且严谨的机器学习实验，以帮助理解和引导强大AI系统的行为；专注于使AI变得有益、诚实和无害，并关注在人类水平能力背景下可能面临的挑战；作为对齐科学团队的研究工程师，为AI安全的探索性实验研究做出贡献
研究工程师（对齐科学）
构建并运行优雅且严谨的机器学习实验，以帮助理解和引导强大AI系统的行为；专注于使AI变得有益、诚实和无害，并关注在人类水平能力背景下可能面临的挑战；作为对齐科学团队的研究工程师，为AI安全的探索性实验研究做出贡献
奖励模型工程师
负责奖励模型训练的端到端工程，从数据摄取到模型评估和部署；设计和实施高效、可靠的训练管道，能够扩展到越来越大的模型规模；构建稳健的数据管道，用于收集、处理人类反馈并将其纳入奖励模型训练
研究基础设施工程师
设计和构建基础设施，使研究人员能够快速迭代奖励信号，包括用于评分标准开发、人类反馈数据分析和奖励鲁棒性评估的工具；开发用于奖励自动质量评估的系统，包括检测奖励黑客和其他异常情况；创建工具，使研究人员能够轻松比较不同的奖励方法（偏好模型、评分标准、程序化奖励）并理解其效果
研究工程师（计算机视觉方向）
运行实验，评估架构变体、数据策略以及监督学习和强化学习技术，以改进Claude的视觉能力；开发和测试工具、技能以及智能体基础设施，使Claude能够对视觉输入进行推理；创建评估和基准测试，以衡量多模态能力在训练和部署过程中的进展
研究科学家/工程师（预训练团队）
在模型架构、算法、数据处理和优化器开发等领域进行研究并实施解决方案；独立领导小型研究项目，并与团队成员合作开展大型计划；设计、运行和分析科学实验，以增进对大型语言模型的理解；优化和扩展训练基础设施，以提高效率和可靠性
研究工程师/研究科学家
设计和实施评估方法，以评估与生物学研究和应用相关的AI模型能力；制定并执行策略，系统性地提高模型在科学任务上的性能；开发解决长期任务完成和复杂推理挑战的方法，这些挑战对科学发现至关重要
音频研究员
开发音频编解码器和表示方法；获取和合成高质量的音频数据；训练大规模语音语言模型和大型音频扩散模型；开发将连续信号整合到大型语言模型中的新颖架构；构建先进的端到端对话系统、语音/音频理解模型和语音合成能力
研究工程师（后训练方向）
大规模实施和优化前沿模型的后训练技术；进行研究，开发和优化能直接提升生产模型质量的后训练方案；设计、构建和运行稳健、高效的模型微调和评估流水线；开发工具以衡量和改进模型在各个维度上的性能
研究工程师
在模型架构、算法、数据处理和优化器开发等领域进行研究并实施解决方案；独立领导小型研究项目，同时与团队成员合作开展大型计划；设计、运行和分析科学实验，以增进对大型语言模型的理解；优化和扩展训练基础设施，以提高效率和可靠性
研究工程师（模型评估团队）
设计新颖的评估方法，以评估模型在推理、安全性、有用性和无害性等不同领域的能力；领导Anthropic评估平台的设计和架构，确保其能够随着我们快速发展的模型能力和研究需求而扩展；实施和维护在生产训练期间运行的高吞吐量评估管道，提供实时洞察以指导训练决策
强化学习研究工程师
架构和优化核心强化学习基础设施，包括从清晰的训练抽象到跨GPU集群的分布式实验管理；帮助扩展系统以处理日益复杂的研究工作流程；设计、实施和测试用于强化学习智能体的新型训练环境、评估和方法论，以推动下一代模型达到最先进水平
高级硬件研究工程师/科学家
设计和构建将Claude AI与多样化硬件平台（如机器人及其他网络物理系统）连接的系统；为具备硬件能力的前沿模型开发首批综合性评估方案；为期望的模型行为构建训练环境；创建演示，以描述网络物理能力并为政策制定者和公众提供信息
研究工程师
设计和构建能够使用工具并在多样化环境中运行的自主AI系统，创建有助于理解和防御高级对抗性AI的模型有机体；创建评估和训练环境，以理解和塑造智能体行为，使其符合预期目标；开发能够在现实场景中检测、干扰或胜过对抗性AI系统的防御性智能体
研究工程师
设计和实施大规模基础设施系统，以支持AI科学家在分布式环境中的训练、评估和部署；识别并解决阻碍科学能力进展的基础设施瓶颈；开发稳健可靠的评估框架，用于衡量向科学AGI的进展；构建可扩展且高性能的VM/沙盒/容器架构，以安全执行长期AI任务和科学工作流
研究工程师（数据采集）
开发和维护我们的大规模网络爬虫；设计和运行实验，以评估数据质量、提取方法和爬取策略；分析爬取的数据，以识别模式、差距和改进机会；构建用于数据摄取、分析和质量改进的管道；为高价值数据源构建专门的爬虫
研究工程师（网络安全强化学习）
安全地提升模型在安全编码、漏洞修复及其他防御性网络安全领域的能力；开发新颖方法并将其实现为代码，融合研究与工程工作；设计和实施强化学习环境；进行实验和评估；将工作成果交付到生产训练流程中；与Anthropic内部及外部的其他研究人员、工程师和网络安全专家合作
隐私研究员
领导前沿模型的隐私分析，仔细审计数据使用并确保整个过程的安全性；开发隐私优先的训练算法和技术；开发评估和审计技术，以衡量训练算法的隐私性；与一小群资深工程师和研究人员合作，制定前瞻性的隐私政策
机器学习工程师/研究工程师 - 安全防护
开发大规模检测滥用和异常行为的分类器，包括构建用于训练分类器的合成数据管道以及自动获取代表性评估以进行迭代的方法；构建监控跨多次交互的危害（如协调网络攻击和影响力操作）的系统，并开发跨上下文聚合和分析信号的新方法
研究科学家/工程师 - 对齐微调团队
使用合成数据生成和高级训练流程，开发和实施新颖的微调技术；运用这些技术训练模型，使其具备更好的对齐属性，包括诚实、品格和无害性；创建和维护评估框架，以衡量模型的对齐属性；跨团队协作，将对齐改进集成到生产模型中
研究工程师/科学家（可解释性团队）
专注于机械可解释性研究，旨在发现神经网络参数如何映射到有意义的算法；致力于为机械理解神经网络并确保其安全建立坚实的科学基础；解决导致模型计算单元（如神经元和注意力头）难以解释的“叠加”问题
研究工程师（AI安全评估）
设计和运行实验以提高评估质量，包括开发生成代表性测试数据、模拟真实用户行为和验证评分准确性的方法；研究不同因素（多轮对话、工具、长上下文、用户多样性）如何影响模型的安全行为；分析评估覆盖范围，以识别差距并确定需要改进测量的领域
高级AI系统安全研究负责人
构建覆盖从数据到部署的整个AI生命周期的AI堆栈威胁地图；针对训练和推理中的漏洞及缓解措施提供深度报告，重点关注系统性、跨层风险；协调研究、工程、安全和政策等部门的输入，以产出清晰、可操作的成果
高级研究员 - 人工智能安全与对抗测试
设计并实施最坏情况演示，使AGI对齐风险对利益相关者具体化，重点关注高风险用例；基于这些演示，开发对抗性和系统级评估，并在OpenAI内部推动其采用；创建自动化工具和基础设施，以扩展自动化红队测试和压力测试的规模
相关搜索词
这些词用于覆盖真实搜索需求，也方便用户继续定位公司、城市、岗位方向和薪资信息。
远程算法与研究招聘信息远程算法与研究招聘远程算法与研究招聘信息有哪些公司远程算法与研究招聘信息薪资远程算法与研究招聘信息岗位AI招聘远程算法与研究招聘信息远程招聘算法与研究招聘