滴滴出行
高级算法工程师
高级算法工程师
发布于 大约 4 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
深度学习
大数据
强化学习
信息检索
自然语言处理
地图
大模型
AI 估算 · 30k–50k
搜索算法工程师人才稀缺，滴滴国际化业务带来技术挑战，薪资有竞争力。
职位详情
关于这个职位
该职位是滴滴地图事业部的高级算法工程师，负责国际化搜索引擎的研发
你将参与使用大模型和深度学习技术重新定义地图检索架构，挑战智能搜索的世界级问题，处理大规模地理数据并探索跨语言搜索
适合对搜索算法、自然语言处理和AI技术有深厚兴趣的工程师，能接触到前沿技术并推动智慧地图的发展
最低要求
本科及以上学历，数学、计算机、通信等相关专业优先
熟练运用python/C++/Golang至少一种语言、掌握Linux shell常用操作，有spark/hadoop/hive相关分布式大数据处理经验
AI coding经验丰富者优先
拥有扎实的编程能力和算法理论基础，具备一年以上的深度学习经验，有使用大模型提升业务效果经验者优先
在信息检索、自然语言处理或数据挖掘等领域中至少一年经验，发表过顶级学术会议高质量论文者优先
能够独立负责项目，具备良好的问题分析和解决能力，具备良好的沟通合作能力
有很强的责任感，敢于迎接挑战
工作职责
参与滴滴极具创新的搜索系统技术研究，挑战智能搜索领域的世界级问题
挖掘大规模地理信息数据的价值，推进搜索技术在智慧地图中的应用，领衔地理信息技术，创造极致出行体验
负责用大模型、深度学习重新定义地图检索架构，探索不同国家、跨语言挑战下的高性能引擎研究
深入学习搜索系统、自然语言处理、地理表达、相似性计算等相关领域的前沿技术，包括Learning To Rank、Deep Learning、Reinforcement Learning等
参与创新性技术研究，利用大规模地理数据改造传统搜索技术，推进AI技术发展
优先资格
AI coding经验丰富者优先
有使用大模型提升业务效果经验者优先
发表过顶级学术会议高质量论文者优先
AI 洞察
优缺点分析
优点
- 使用大模型、深度学习等前沿技术，紧跟AI潮流
- 滴滴国际化业务提供跨文化、多语言场景，经验独特
- 公司已上市，平台稳定，资源丰富
- 国际化搜索涉及多种语言和文化差异，技术复杂性高
- 需要持续跟踪学术界前沿，保持技术领先
- 适合对搜索算法、AI技术有强烈兴趣，能够独立攻克技术难题，并渴望在全球化场景中发挥才能的工程师
缺点 / 挑战
- 参与世界级搜索系统研究，技术挑战大，成长空间广阔
- 工作地点北京，可能需要应对较高的工作强度和压力
角色解读
- 技术方向：从高级算法工程师成长为搜索算法专家或技术负责人，深入研究AI与地理信息融合
- 管理方向：可转向技术团队管理，带领团队攻克国际化搜索难题
- 跨领域发展：积累大规模分布式系统和跨语言处理经验，向AI架构师或产品技术专家发展
- 负责滴滴国际化搜索引擎的核心算法研发，使用大模型和深度学习技术优化地图检索架构
- 处理大规模地理数据，探索跨语言、跨国家的搜索挑战，提升搜索精准度和用户体验
- 参与机器学习前沿研究，如Learning to Rank、强化学习，并应用于实际业务
- 扎实的编程能力，熟练使用Python/C++/Golang至少一种，并掌握Linux shell
- 具备深度学习经验（一年以上），熟悉大模型应用或调优
- 了解信息检索、自然语言处理或数据挖掘领域，有大数据处理经验（Spark/Hadoop/Hive）
- 能够独立负责项目，具备优秀的问题分析和沟通协作能力
申请策略
- 面试前了解滴滴地图搜索业务的当前挑战，可准备一些针对性改进思路
- 关注公司文化和国际化战略，展现对出行领域的热情
- 突出在搜索、NLP或数据挖掘相关的项目经验，尤其是使用深度学习或大模型提升效果的案例
- 强调大数据处理能力（Spark/Hadoop/Hive）和编程语言熟练度
- 如有顶级学术论文或竞赛获奖，务必列出
- 展示独立负责项目的经历和解决问题的能力
- 深入学习Transformer、BERT等大模型原理及微调技术
- 复习信息检索经典算法（如TF-IDF、BM25、Learning to Rank）
面试指南
- 对于系统设计类问题，可以采用“需求分析-技术选型-方案细节-优缺点”的结构
- 对于算法原理问题，先解释核心概念，再结合自己的项目经验说明应用场景和效果
- 对于开放性问题，展示思考过程，提出可行性方案并指出可能的风险
- 如何设计一个支持多语言的搜索引擎？请从索引、查询理解、排序等方面阐述
- 请举例说明你如何使用深度学习模型提升搜索效果？遇到过哪些挑战？
- 解释Learning to Rank的基本原理，并比较pointwise、pairwise、listwise的优缺点
- 给定大规模地理数据，如何高效处理并支持实时搜索？请描述技术方案
- 你对大模型在地图搜索中的应用有什么想法？
匹配度报告
72
综合匹配度
国际化搜索算法岗，技术前沿、薪资有竞争力，但需现场办公且WLB未明确。
适合人群
最适合追求技术成长和前沿挑战的求职者，对工作生活平衡要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展90
工作生活50
使命价值80
薪资福利匹配
70中等
高级搜索算法岗位薪资竞争力较强，但JD未明确福利，且需要现场办公，补偿性动机中等。
薪资信号偏高 (30K-50K/月)
成长发展匹配
90较高
职位涉及大模型、深度学习、强化学习等前沿技术，且有国际化挑战，成长空间极大。
技术前沿前沿/新兴技术
技术栈大模型、深度学习、强化学习、信息检索、自然语言处理、大数据
成长机会深入学习、创新性技术研究、探索
业务类型profit_center
工作生活匹配
50较低
仅现场办公，北京市区，未提及弹性工作或WLB，生活化动机满足一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
80较高
改善出行体验，智慧地图具有社会价值，国际化业务意义感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号创造极致出行体验、推进AI技术发展
创新程度积极采用新技术
Watch Jobs