基于滴滴国际化海量的出行数据（四轮、摩托、外卖），利用数据挖掘、机器学习、大模型等技术，优化上下车点推荐、路况预测、路径规划、ETA（到达时间预估）、EDA（预估到达距离）等引擎
上下车点推荐引擎：基于滴滴出行的大数据，深入理解不同国家的业务特点，推动上下车点推荐引擎效果提升
理解世界不同国家的地理领域知识，还原物理世界，并结合出行领域的用户（司机+乘客）行为特点，构建完善的特征工程
借助时序建模、多场景多任务的深度学习算法，综合提升各类场景的推荐效果
提升出行体验和平台效率，保障司乘安全
路线规划引擎：不同国家有不同的地理特性，不同的业务对路线规划也有差异化的需求
深入理解不同地区和业务的特点，借助序列建模、多场景多任务等手段，优化路线的召回、排序、重排等链路
时间/里程/价格/路况等预估引擎：深入研究不同国家、不同业务（四轮车、摩托）、不同打车链路（预估价、分单、接驾、送驾等）中的时间/距离/价格/路况预估任务，构建不同场景下独有及共享的底层数据体系，建设地理特征、用户画像、历史行为及偏好等特征工程，借助因果推断、GNN、online-learning等技术，提升预估准确性，提升司机和乘客的体验及打车效率
探索学术前沿技术，参与LLM、GNN、Online Learning、Reinforcement Learning等在交通领域的应用落地