
滴滴出行
算法工程师
算法工程师
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公算法工程师
算法工程师
Llm/Agent
Sql
Uplift建模
因果推断
机器学习
运筹优化
值不值得投
75综合评分
综合评分 75
增长技术算法岗,前沿方法密集、业务价值清晰,办公灵活性未披露。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。
薪资怎么样
5.0万
比算法工程师中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2420 个在招 · 其中算法工程师 6 个
市场机会
选择适中
北京 · 算法工程师 · 39 个在招
职位详情
关于这个职位
该职位聚焦滴滴司机补贴算法研发,围绕司机上线、接单、完单、供给效率和 ROI 设计并迭代补贴模型与策略
你将参与司机行为理解、因果推断、Uplift、运筹优化、强化学习及 LLM/Agent 等方向探索,并推动算法从建模、实验到线上放量闭环
最低要求
计算机、统计学、数学、运筹学、经济学等相关专业硕士及以上学历
具备扎实的机器学习、因果推断、深度学习或运筹优化基础,能独立完成中等复杂业务问题的建模、验证和落地
具备较强业务抽象能力,能够从复杂供需、补贴、增长或交易场景中识别核心问题,并转化为可验证的算法方案
熟悉完整机器学习项目流程,包括数据处理、特征工程、模型训练、离线评估、线上实验、效果归因和持续迭代
熟练使用 Python,熟悉 SQL、Hive、Spark 等数据处理工具,具备良好的工程实现能力和代码质量意识
对 LLM、Agent、Auto-Research 等 AI-native 技术有持续学习和应用意愿,能够结合业务问题开展实验并验证价值
具备良好的沟通协作和项目推进能力,能在产品、运营、工程等多角色协同中推动复杂项目落地
工作职责
负责滴滴司机补贴算法研发,围绕司机上线、接单、完单、供给效率和 ROI,设计并迭代补贴模型与策略
建设司机行为理解与特征表征体系,刻画司机活跃、接单意愿、做单能力、价格/补贴敏感度及区域迁移特征
运用因果推断、弹性建模、Uplift 建模、运筹优化等方法,提升补贴决策的可解释性、可迁移性和长期收益
探索生成式奖励策略、端到端决策、Policy Learning / RL 等新方法,推动补贴算法从规则/模型迭代走向智能决策升级
探索 LLM、Agent、Auto-Research 在业务分析、实验诊断、策略搜索、跨市场迁移中的应用,提升个人和团队研发效率
与产品、工程、运营、数据科学团队协同,推动算法方案从问题定义、建模、实验到放量的完整闭环
AI 洞察
优缺点分析
优点
- 岗位直接关联司机供给效率、完单和 ROI,业务反馈链路清晰,算法价值容易量化
- 技术栈覆盖因果推断、Uplift、运筹优化、强化学习、LLM 和 Agent,技术深度和广度都比较强
- 能参与从问题定义到线上实验和放量的完整闭环,有利于积累复杂业务场景下的算法落地经验
- 跨产品、工程、运营、数据科学协作,能提升业务理解、实验设计和项目推进能力
- 适合具备机器学习与因果推断基础、希望在高复杂度业务场景中做算法落地的求职者
- 尤其适合对增长、供需、补贴策略、运筹优化和 AI-native 研发工具有兴趣的人
缺点 / 挑战
- 补贴算法同时受供需、区域、司机行为和长期收益影响,问题复杂且实验归因难度较高
- 需要兼顾短期指标和长期收益,对因果建模、策略可解释性和可迁移性要求较高
- 涉及多角色协同和线上放量,项目推进中可能面临业务约束、工程落地和实验周期压力
角色解读
- 可向高级算法专家或算法负责人发展,深耕补贴定价、供需匹配、因果决策和强化学习等方向
- 也可向业务策略与增长决策方向扩展,承担更完整的司机供给增长、交易效率和长期收益优化职责
- 随着 LLM、Agent、Auto-Research 的落地,未来也可能转向 AI-native 研发工具、智能策略搜索和自动化实验方向
- 围绕司机补贴场景研发算法模型,优化司机上线、接单、完单、供给效率和 ROI 等核心指标
- 构建司机行为理解与特征体系,识别司机活跃度、接单意愿、补贴敏感度和区域迁移等行为特征
- 使用因果推断、弹性建模、Uplift、运筹优化、Policy Learning、RL 等方法设计补贴策略并评估长期收益
- 与产品、工程、运营、数据科学团队协作,完成从问题定义、建模、实验到线上放量的闭环
- 需要扎实的机器学习、因果推断、深度学习或运筹优化基础,并能独立建模、验证和落地
- 需要熟悉完整机器学习项目流程,包括数据处理、特征工程、训练、离线评估、线上实验、归因和迭代
- 需要熟练使用 Python,并熟悉 SQL、Hive、Spark 等数据处理工具,具备工程实现和代码质量意识
- 需要具备业务抽象、跨团队沟通和项目推进能力,能把复杂供需与补贴问题转化为可验证方案
申请策略
- 申请前了解网约车司机供给、补贴、供需匹配和 ROI 优化的基本业务逻辑
- 面试中尽量用具体项目说明如何从业务问题出发建模,并解释实验设计、指标选择和上线收益
- 突出与机器学习、因果推断、Uplift、运筹优化、强化学习相关的项目经历,并说明业务指标提升结果
- 重点展示完整算法项目闭环经验,包括数据处理、特征工程、离线评估、线上实验、效果归因和持续迭代
- 强调 Python、SQL、Hive、Spark 等工具的实际使用经验,以及代码质量、工程实现和线上落地能力
- 补充跨团队协作案例,说明如何把复杂业务问题抽象成算法方案并推动上线
- 强化因果推断、弹性建模、Uplift 和实验归因知识,准备可解释的策略评估方法
- 熟悉 Policy Learning、RL、生成式奖励策略和 LLM/Agent 在业务分析、实验诊断中的应用思路
面试指南
- 先明确业务目标、约束条件和核心指标,再说明问题抽象、建模方法、实验设计与上线评估闭环
- 回答算法方案时,按照“问题定义—数据特征—模型选择—离线验证—线上实验—归因复盘”的结构展开
- 遇到新技术问题时,先说明其适用边界,再结合具体业务场景讲清可验证的价值和潜在风险
- 如何设计一个司机补贴模型,同时兼顾上线率、接单率、完单率和 ROI?
- 因果推断、Uplift 建模和普通预测模型在补贴策略中分别适合解决什么问题?
- 如何评估补贴策略的长期收益,避免短期指标提升但长期供给效率下降?
- 请描述一个你完成的机器学习项目,从数据处理、特征工程、离线评估到线上实验的完整流程
- 如何将 LLM、Agent 或 Auto-Research 应用到业务分析、实验诊断或策略搜索中?
职位点评
薪资福利82
成长发展90
工作生活45
使命价值70
薪资福利
82较高
JD未披露薪资,但岗位要求硕士学历、复杂算法建模和完整落地能力,且涉及增长与 ROI 核心业务,补偿性动机整体有较好支撑。福利信息未提及,无法进一步判断。
薪资信号未披露(AI估算:3.5千–6.5万/月)
成长发展
90较高
岗位覆盖因果推断、Uplift、运筹优化、Policy Learning、RL、LLM、Agent 和 Auto-Research 等方向,技能成长空间很强。JD明确提到探索新方法和推动算法升级,但未提供培训或晋升路径。
技术前沿前沿/新兴技术
技术栈机器学习、因果推断、深度学习、运筹优化、Uplift建模、Policy Learning、RL、LLM、Agent、Auto-Research、Python、SQL、Hive、Spark
业务类型profit_center
工作生活
45较低
JD未明确办公模式、弹性工时或远程安排,也未提及加班情况,因此生活化动机只能基于有限信息判断。工作地点为北京市,通勤便利度需结合具体办公地点确认。
工作模式未明确
办公地点未明确
加班情况未提及(无法判断)
使命价值
70中等
岗位围绕司机补贴、供给效率和长期收益优化,对平台供需效率和司机收益分配有实际业务价值。JD未直接表达社会使命或公共价值导向,意义感更多来自业务影响力。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
滴滴出行 的其他在招职位
相似职位推荐
高德-增长算法专家-信息业务中心
高德地图 · 北京市
AI 估算 · 4.5–7.5万5 小时前发布
Senior Algorithm Engineer
士卓曼 · 上海市
AI 估算 · 3.0–5.0万9 小时前发布
淘宝闪购-地图算法与数据系统专家-北京
阿里巴巴 · 北京市
AI 估算 · 3.5–6.0万2 天前发布
淘宝闪购-高级算法专家-运力规划方向
阿里巴巴 · 北京市
AI 估算 · 6.0–10.0万2 天前发布
菜鸟-供应链AI算法工程师-杭州
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万3 天前发布
千问事业部-搜索算法工程师/专家-北京
阿里巴巴 · 北京市
AI 估算 · 3.5–6.0万3 天前发布
Algorithm Engineer
科磊 · 新竹市
AI 估算 · 4.5–8.0万3 天前发布
业务技术-算法专家工程师-企业知识库/智能检索方向
阿里巴巴 · 杭州市
AI 估算 · 4.0–8.0万6 天前发布
Watch Jobs