滴滴出行
AI 算法工程师
AI 算法工程师
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Nlp
Prompt工程
大模型
推荐系统
搜索广告
模型微调
算法优化
值不值得投
80综合评分
综合评分 80
技术成长性强、业务影响面广的大模型应用岗，薪资有竞争力，但工作生活平衡需进一步确认。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
35K
与人工智能中位数基本持平
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 970 个在招 · 其中人工智能 6 个
市场机会
选择面较广
北京 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
滴滴出行正在招聘AI算法工程师，加入Trans MP Algo&Strategy Product团队
你将负责大模型技术在出行核心业务场景（如搜索、广告、推荐等）的落地应用，设计并优化智能解决方案以提升用户体验
这是一次将前沿AI技术与大规模复杂业务相结合的绝佳机会
最低要求
扎实的数据结构和算法功底
对内容理解、预训练语言模型、文本生成等一个或多个方向有深入理解
有大模型在搜索、广告或推荐等方向的实践经验
熟练使用常见的编程语言，熟悉AI coding、大数据处理平台和机器学习框架
年及以上算法工作经验，本科以上学历，硕士优先
在机器学习、NLP或搜广推等方向有顶会论文或大赛经验者优先
工作职责
负责大模型在核心业务场景的落地应用，设计高效的AI解决方案，优化用户体验
参与大模型的应用的架构设计，包括但不限于 prompt工程、Agent系统研发、模型微调、推理优化等技术突破
构建大模型应用评估体系，持续优化效果、性能/稳定性和成本指标，沉淀可复用的数据/技术资产，探索最佳实践
深入理解业务场景和用户痛点，结合AI技术打造高效的智能产品
跟进AI最新进展，推荐技术选型和架构演进
优先资格
在机器学习、NLP或搜广推等方向有顶会论文或大赛经验者优先
AI 洞察
优缺点分析
优点
- 业务价值高：工作成果直接影响数亿用户的出行体验和公司的核心商业指标
- 平台大：在成熟的跨国技术团队中工作，有丰富的技术资源和规范的工程流程
- 业务理解深度：需要深入理解复杂的出行场景和商业模式，技术方案需紧密贴合业务
- 技术迭代快：AI领域发展迅速，需要持续学习并跟进最新技术进展
- 适合具有3年以上算法经验，特别是NLP或搜索推荐方向，对大模型技术有浓厚兴趣，并希望将AI技术应用于大规模复杂业务场景的工程师
缺点 / 挑战
- 技术前沿：直接参与大模型在超大规模出行平台的落地，能接触到最前沿的技术挑战和工程实践
- 工程复杂度高：面对高并发、低延迟、高可用的线上系统要求，对模型部署和优化能力挑战大
角色解读
- 技术专家路径：持续深耕大模型与搜广推融合技术，成为领域内资深专家或架构师
- 技术管理路径：凭借技术深度和业务理解，转向技术团队管理或AI产品经理角色
- 将大语言模型等前沿AI技术应用到滴滴的打车、导航、商业化等核心业务中，解决实际业务痛点
- 设计和研发AI应用的系统架构，包括Prompt工程、Agent、模型部署与优化等
- 建立技术评估和监控体系，确保AI模型在生产环境中的效果、稳定性和成本效益
- 深入理解出行领域的用户和业务逻辑，推动AI产品创新
- 扎实的算法与数据结构基础，是解决复杂工程问题的前提
- 深入的NLP和大模型知识，特别是内容理解、预训练模型和生成式AI
- 在搜索、广告或推荐系统中有过实际应用大模型的经验
- 熟练的编程能力（Python等）以及对AI工程化工具链的掌握
申请策略
- 深入研究滴滴的业务模式（如网约车、货运、金融）和AI应用案例，在面试中展现你对业务的理解和思考
- 准备一个关于如何将大模型技术应用于某个具体业务场景（如司乘匹配、ETA预测、智能客服）的完整技术方案思路
- 突出在大模型、NLP或搜广推方向的项目经验，详细描述技术选型、方案设计和取得的量化成果
- 强化编程与工程能力，展示处理大数据、优化模型性能或构建复杂系统架构的经历
- 如有顶会论文或重量级算法竞赛名次，应作为亮点重点呈现
- 体现对出行、搜索、广告或推荐业务的理解和思考
- 系统性地学习和实践大模型应用链路，包括Prompt Engineering、Fine-tuning、Agent开发和评估体系搭建
- 深入了解搜索、广告或推荐系统的一个核心模块（如召回、排序、重排）及其与大模型的结合点
面试指南
- 采用STAR法则（情境-任务-行动-结果）描述项目经验，重点突出技术决策和量化收益
- 回答系统设计问题时，先明确业务目标和约束，再分模块阐述技术方案，并考虑可扩展性和可维护性
- 对于前沿技术问题，结合论文阅读、开源实践和个人思考，形成结构化观点，展现学习深度
- 请介绍一个你使用大模型解决实际业务问题的项目，遇到了哪些挑战，如何解决的？
- 如何在搜索/广告/推荐系统中引入大模型技术？请谈谈你的思路和考量
- 设计一个大模型应用的评估体系，你会关注哪些核心指标？如何平衡效果、性能和成本？
- 对于Prompt工程、Agent、模型微调这几项技术，你认为各自的适用场景是什么？
- 你如何看待当前大模型在工业界落地的主要瓶颈？
职位点评
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
作为已上市的行业巨头，公司提供具有市场竞争力的薪酬福利体系，能满足对薪资与稳定性的较高预期。
薪资信号市场水准 (25K-45K/月)
成长发展
95较高
职位聚焦于大模型在复杂业务中的落地，涉及技术深度与工程广度，能提供极佳的技术成长和前沿视野。
技术前沿前沿/新兴技术
技术栈大模型、prompt工程、Agent、模型微调、推理优化、NLP、搜广推
成长机会沉淀可复用的数据/技术资产、探索最佳实践、跟进AI最新进展、推荐技术选型和架构演进
业务类型profit_center
工作生活
50较低
职位描述未提及任何关于办公模式、弹性工作或工作时间的具体信息，因此WLB情况无法判断，存在一定不确定性。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
将AI技术应用于日活数亿的出行平台，直接提升大众出行效率与体验，具有明确的社会价值和行业影响力。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号优化用户体验、打造高效的智能产品
创新程度积极采用新技术
Watch Jobs