You advance the state of the art in machine learning through theoretical research and large-scale experimentation, often publishing at top conferences.
注：职业描述基于市场通用岗位职能，实际工作内容因单位和部门有所不同。
月薪（税前）· 受地区、单位性质和个人能力影响较大
北京、上海、深圳等一线城市薪资通常高于全国平均水平 20–40%
国有企业稳定性强，私营和外资企业薪资弹性较大
该职业依赖专业判断、创意或人际沟通，AI工具可以辅助但难以全面替代。主动学习AI辅助工具将显著提升工作效率。
技术技能名称保留英文（行业通用表达），面试和实际工作中均以此为准。
在导师或上级指导下熟悉业务体系，建立专业知识框架。通常需要 3–6 个月内开始独立承担项目模块。
独立主导项目或业务模块，开始带领初级成员，逐步建立行业内的专业声誉和人脉网络。
负责重大项目或部门管理，参与战略决策，薪资上限显著提升。高级岗位通常需要丰富的项目记录或专业认证。
上午9:30开始，先复盘昨日实验日志，调试失败的模型训练任务；10:30参与跨团队技术对齐会，与算法工程师、数据工程师讨论新数据集的特征工程方案。午休后聚焦核心研究：在Jupyter中复现顶会论文（如ICML 2024某稀疏注意力改进方法），修改PyTorch代码并设计消融实验；15:00用TensorBoard分析验证集loss曲线与梯度分布，定位过拟合原因；16:30撰写LaTeX技术报告片段，同步更新GitHub仓库的实验配置文件与README；下班前提交PR并回复Slack上实习生关于超参调优的问题，最后预约次日GPU集群资源。
需扎实的数理基础与工程实践能力。硕士及以上学历为普遍门槛，计算机/统计学/应用数学相关专业优先；熟练掌握Python、PyTorch/TensorFlow及Linux开发环境；具备独立复现论文、设计可控实验、分析统计显著性的能力。英语需能高效阅读英文论文与技术文档。
极不现实。该岗位要求系统性科研训练与前沿问题判断力，通常需博士阶段积累或顶尖硕士实验室2年以上高强度研究经验。建议从数据科学家或ML工程师切入，同步参与学术合作、发表论文，逐步过渡。
并非强制，但头部企业（如Google AI、MSR、阿里达摩院）高度看重论文产出——既是技术影响力证明，也直接关联晋升与资源倾斜。内部KPI常包含年度1–2篇投稿，录用率影响职级评定。
存在结构性挑战：纯研究岗易受年轻博士冲击，但资深者可转向研究型架构师、技术委员会专家或AI Lab负责人角色，侧重技术战略、跨领域融合（如AI+生物/材料）及人才培养，经验壁垒反而提升不可替代性。