滴滴出行
搜索算法工程师
搜索算法工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
大模型
意图识别
推荐系统
搜索算法
数据结构
机器学习
深度学习
值不值得投
69综合评分
综合评分 69
前沿技术驱动、业务价值显著、成长空间广阔，但工作强度与WLB待确认。
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
2.8万
比人工智能中位数高
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 2260 个在招 · 其中人工智能 21 个
市场机会
选择面较广
北京 · 人工智能 · 约 690 个在招
职位详情
关于这个职位
负责滴滴出行搜索业务的算法研发，涵盖Query个性化理解、搜索召回与排序策略优化，以及大模型在搜索场景的落地探索
通过持续迭代建模策略与实时反馈机制，显著提升搜索体验与业务转化效率
最低要求
具有扎实的计算机和数学基础，熟练掌握基本的数据结构和算法优化技能
熟悉一种或多种编程语言，包括但不限于python/shell/Go/C++等，具备良好的工程素养
熟悉机器学习基础知识，能熟练利用机器学习/深度学习技术独立解决相对复杂的业务问题
对数据敏感，具备业务分析能力
本科以上学历，硕士优先
年及以上算法工作经验
工作职责
实现搜索query个性化理解，包括纠错、同义词、term weight和意图识别等
提高搜索引导效率，优化suggestion 召回/排序/重排，query推荐等
提升搜索体验和转化效率，优化搜索召回、相关性、精排和重排等环节策略，提升建模用户长/短期兴趣能力，优化用户实时行为反馈策略，探索大模型在搜索召/排场景的落地
优先资格
有搜索/推荐/广告/大模型相关等领域算法经验优先
AI 洞察
优缺点分析
优点
- 接触千万级DAU产品核心搜索链路，技术栈前沿（大模型落地）
- 平台资源丰富，能积累高并发复杂场景下的算法调优经验
- 搜索排序竞争激烈，需持续跟进业界最新SOTA模型
- 适合对搜索推荐领域有浓厚兴趣、具备扎实工程落地能力且追求技术深度的求职者
缺点 / 挑战
- 业务指标压力大，需平衡算法效果与线上稳定性
角色解读
- 可向资深算法专家或搜索架构师方向发展，深入探索大模型与推荐系统的融合，主导核心业务算法迭代
- 负责搜索Query的理解与纠错，优化搜索召回、排序及重排策略
- 探索大模型在搜索场景的应用，提升用户搜索体验与转化效率
- 扎实的计算机与数学基础，精通数据结构与算法
- 熟练掌握Python/C++等语言，具备机器学习/深度学习实战能力
申请策略
- 提前了解滴滴出行搜索业务痛点，准备针对Query理解或排序优化的具体解决方案案例
- 突出搜索/推荐相关项目经历，量化召回率、NDCG等核心指标提升效果
- 强调大模型微调或推理优化的实战经验
- 补充Transformer架构原理及LLM应用开发知识，加强线上A/B测试与流量实验设计能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化回答
- 重点阐述业务背景、技术方案选型依据、实验设计与指标监控、最终业务收益
- 如何设计一个高效的搜索Query纠错模块？
- 大模型在传统搜索排序中的落地难点是什么？
- 如何处理搜索场景中的冷启动问题？
- 请分享一个你优化过召回/排序策略的项目细节
- 复习经典排序模型（如DSSM、DeepFM）及大模型Prompt Engineering技巧
- 梳理过往项目中关于特征工程与模型迭代的完整链路
职位点评
薪资福利65
成长发展85
工作生活55
使命价值70
薪资福利
65中等
JD未明确薪资福利，但依托成熟平台通常具备市场竞争力，具体待遇需面试沟通。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
85较高
岗位深度融合大模型与搜索排序前沿技术，提供丰富的业务场景与算法迭代机会，利于技术深度拓展。
技术前沿前沿/新兴技术
技术栈Python、C++、机器学习、深度学习、大模型
业务类型profit_center
工作生活
55较低
JD未明确提及办公模式与工时安排，互联网技术岗通常节奏较快，需做好高强度工作的心理准备。
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
聚焦出行搜索场景优化，直接改善千万级用户出行体验，具备明确的商业价值与社会服务属性。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs