滴滴出行
专家算法工程师（安治算法）
专家算法工程师（安治算法）
发布于 大约 8 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
硕士
研究与开发 (研发)
Openrlhf
Ppo
Pytorch
Sac
安全算法
强化学习
生成式推荐
自动驾驶
Drl
AI 估算 · 35k–55k
强化学习专家稀缺，滴滴平台大，薪资竞争力强，中位数约45k/月。
职位详情
关于这个职位
该职位专注于滴滴安全领域的强化学习算法研发与落地，需要主导DRL算法的设计、建模与优化，解决工业级落地痛点
你将与工程、业务团队紧密协作，推动算法从原型到规模化应用的全流程
适合具备深厚强化学习理论功底和4年以上实战经验的算法专家
最低要求
硕士及以上学历，计算机、人工智能等相关专业，具备扎实的数学基础
拥有4年及以上生成式推荐或自动驾驶领域实战经验，有完整算法落地案例
具备扎实的强化学习理论与实战背景，熟练掌握主流强化学习算法（PPO、SAC等），能独立完成强化学习全流程建模，有解决建模核心痛点的实战经验
对策略算法设计与优化有深刻底层认知，熟练使用Python/C++，精通PyTorch等深度学习框架，熟悉OpenRLHF等强化学习工具，具备大规模模型训练优化经验
工作职责
主导深度强化学习（DRL）算法的设计、研发与落地，结合滴滴安全领域业务场景，构建可落地的强化学习解决方案，负责全流程落地
负责强化学习全流程建模，设计优化状态空间、动作空间、奖励函数，解决训练不稳定、样本效率低等工业级落地痛点，贴合业务需求
深耕策略算法设计，结合业务目标（推荐精准度、驾驶安全性等）迭代优化算法，跟踪领域前沿技术（PPO、SAC等），推动技术创新
协同工程、业务团队拆解需求，提供算法技术支持，推动算法工程化部署与规模化应用，参与团队技术沉淀与人才培养
优先资格
在顶会/顶刊发表过强化学习相关论文
有生成式推荐与自动驾驶交叉领域经验
具备多智能体强化学习、强化学习与大模型融合应用经验者优先
AI 洞察
优缺点分析
优点
- 滴滴作为出行巨头，拥有海量真实业务场景和丰富数据，算法落地价值显著
- 强化学习在自动驾驶、安全等领域前景广阔，职位技术栈前沿，个人成长空间大
- 公司已上市，薪酬福利有竞争力，且团队氛围注重技术创新与沉淀
- 需要跨部门协作，沟通成本高，需同时具备技术和业务理解能力
缺点 / 挑战
- 要求较高的技术深度和工业落地经验，需独立解决复杂建模问题，工作强度可能较大
- 安全领域责任重大，算法效果直接影响用户安全，容错率低，压力较大
- 适合具备4年以上强化学习实战经验、渴望在真实业务中落地前沿算法的技术专家，能承受一定压力且乐于解决工业级难题
角色解读
- 技术深耕：从算法专家晋升为高级算法专家或首席科学家，在强化学习领域成为行业KOL
- 技术管理：可转向算法团队负责人或技术总监，带领团队推动安全算法创新
- 业务向：结合滴滴出行生态，向智慧交通、自动驾驶等前沿领域拓展，成为复合型技术leader
- 主导深度强化学习算法的设计与研发，针对滴滴安全场景（如驾驶安全、推荐精准度）构建可落地的解决方案
- 负责强化学习全流程建模，包括状态空间、动作空间、奖励函数的设计与优化，解决训练不稳定、样本效率低等工业级痛点
- 跟踪PPO、SAC等前沿算法，结合业务目标进行策略迭代，推动算法工程化部署与规模化应用
- 与工程、业务团队协作拆解需求，提供算法技术支持，并参与人才培养与技术沉淀
- 扎实的强化学习理论基础，熟练掌握PPO、SAC等主流算法，能独立完成全流程建模
- 熟练使用Python/C++，精通PyTorch，熟悉OpenRLHF等工具，具备大规模模型训练经验
- 年以上生成式推荐或自动驾驶领域实战经验，有完整算法落地案例
- 优秀的数学功底和问题分析能力，能解决训练不稳定、样本效率低等核心痛点
申请策略
- 在面试中强调对安全领域业务的理解，展示算法如何驱动业务指标提升
- 关注滴滴技术博客或开源项目，了解团队技术文化，面试时体现认同感
- 重点突出强化学习全流程建模的完整项目经验，尤其是从0到1落地并产生业务效果的项目
- 列出熟悉的算法（PPO、SAC等）和框架（PyTorch、OpenRLHF），并附上具体优化成果
- 若有顶会论文或自动驾驶/推荐领域交叉经验，务必在显眼位置展示
- 强调解决训练不稳定、样本效率低等工业级痛点的案例，体现问题解决能力
- 若有多智能体强化学习或RL与大模型融合经验，提前准备相关项目案例
- 熟悉滴滴安全业务场景（如驾驶风险预测、订单分配），可提前研究相关论文或博客
面试指南
- STAR法则：描述项目背景、任务、行动和结果，重点突出你的技术贡献和落地效果
- 对比与选择：当被问及算法选择时，先阐述不同算法的特点，再结合业务需求（如稳定性、样本效率）给出理由
- 问题-解决-反思：针对工业级痛点，先说明问题本质，再展示你的解决方案，最后总结可复用的经验
- 请详细描述一个你主导的强化学习项目，从问题定义到落地的全流程
- 如何解决强化学习训练中的样本效率问题？请举例说明
- PPO和SAC的核心区别是什么？在什么场景下会选择其中一个？
- 如何设计奖励函数来避免agent学习到非预期行为？
- 你如何看待强化学习在滴滴安全场景中的具体应用？
职位点评
74
综合评分
滴滴安全算法专家，前沿DRL技术栈，高成长性，但需现场办公且强度可能较高。
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。
更适合这类人
适合追求技术深度和业务落地、愿意投入精力成长的算法专家，对WLB要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活40
使命价值75
薪资福利
80较高
该职位薪资水平较高，滴滴作为上市公司福利体系完善，且在北京核心区域办公，补偿性动机满足较好。
薪资信号市场水准 (35K-55K/月)
成长发展
90较高
技术栈前沿（DRL、PPO/SAC、大模型训练），业务场景丰富，有明确的技术成长和人才培养机会，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈DRL、PPO、SAC、PyTorch、OpenRLHF、生成式推荐、自动驾驶
成长机会技术沉淀与人才培养
业务类型profit_center
工作生活
40较低
职位为现场办公，未明确提及弹性工作制或WLB，且互联网公司算法岗位通常有一定强度，生活化动机满足一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
滴滴安全领域具有社会价值（提升出行安全），属于稳定成熟行业，但并非直接面向社会创新，意义感动机有但非核心。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号安全领域、驾驶安全性
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
Watch Jobs