ML Scientist / Researcher
研究向 ML 岗位——做 pretrain / RL / 多模态 / Applied Scientist，输出是论文 / 模型权重 / benchmark，不是产品。
790 条岗位是海外第二大非 other 簇，top 公司 OpenAI、Microsoft、Anthropic、ByteDance、TikTok。sample title 充满「Senior ML Scientist」「Principal Applied Scientist」「Research Engineer」「Generative UI Research」。技能栈的 RL 和 deep_learning 占比明显高于 ml_engineer 这条线，反映出研究向工作的特征。海外这条线 PhD 比例极高，发表过顶会论文是硬通货。中位月薪约 88k CNY/月、p75 到 154k——是海外本数据集里中位最高的几条线之一，顶尖 lab 的 staff scientist 实际打到 200k+ CNY/月也不少见。
JD 明确写出来的卡控项（学历 / 专业方向）+ 实际工作内容（职责短语原文）
学历分布
790 条样本高频专业 top 5
121 / 790 条 JD 提到（15%）CN/EN 同义词已合并（如「计算机」/「Computer Science」/「计算机科学」 → Computer Science）
高频职责短语 top 5
255 / 790 条 JD 写出职责（32%）- ×6Design and implement novel deep learning architectures combining a multitude of modalities, including image, video, and geospatial data.
- ×6Solve computational problems to train foundation models on vast amounts of Amazon data and infer at Amazon scale, taking advantage of latest developments in hardware and deep learning libraries.
- ×6Guide technical direction for specific research initiatives, ensuring robust performance in production environments.
- ×6Mentor fellow scientists while maintaining strong individual technical contributions.
- ×6Develop and implement novel foundation model architectures, working hands-on with data and our extensive training and evaluation infrastructure.
直接取 JD 中职责描述原文做简单计数，重复频次反映这岗位日常做什么
精选核心技能（手挑信号清晰的 5 项，不完全按计数排序）
完整技能分布 — Required（在 JD 中作为硬性要求） vs Preferred（加分项），按 JD 出现次数
PhD / 顶会论文背景、能从问题定义到实验设计到论文写作端到端的人；尤其 LLM 训练 / RL / 多模态方向。
工程背景没有研究产出的人——海外 ML Scientist 高度依赖 publication 和 referral。
发论文 / 训新模型 vs 调 API / 部署 RAG——scientist 多 PhD 入场，engineer 工程实战路径。
- ·Data Scientist Engineer
- ·Senior Machine Learning Scientist, Payments
- ·Research Engineer, Virtual Collaborator (Cowork)
- ·Product Management, Research
- ·Research Engineer, Economic Research
- ·Research Engineer/Research Scientist, Audio
- ·Research Scientist, Gemini Information Tasks
- ·Research Economist, Economic Research
薪资 = 月薪人民币口径（海外岗已用各币种汇率换算 ÷12 月化）。样本量小于 30 的分位值参考性弱。