滴滴出行
高级算法工程师-外卖LBS方向
高级算法工程师-外卖LBS方向
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai Coding
Aoi
Llm
图神经网络
强化学习
数据挖掘
深度学习
运筹优化
多语言地址数据
值不值得投
78综合评分
综合评分 78
高级算法岗，聚焦外卖LBS前沿技术，成长性高，但WLB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
45K
比机器学习工程中位数高
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 910 个在招 · 其中机器学习工程 44 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 390 个在招
职位详情
关于这个职位
该职位负责外卖LBS领域的算法研发与优化，专注于取送餐点推荐、骑手路线规划及AOI（兴趣面）构建
你需要通过深度学习、图神经网络等技术解决配送末端精准引导问题，并推动算法在国际化多国市场的落地，提升外卖配送效率和用户体验
最低要求
计算机科学、数学、统计学、运筹学、地理信息系统（GIS）等相关专业本科及以上学历
扎实的深度学习理论基础，熟悉常见的数据挖掘算法，具备从数据处理、特征工程、模型训练到线上部署的全流程能力
熟悉LLM及Agent机制，熟练使用ai coding，探索AutoResearch框架，实现数据分析、特征挖掘、模型选型、实验评估的自动化Loop
工作职责
负责外卖LBS领域点、线、面基础数据建设以及算法开发工作，包括但不限于以下方向：1、取送餐点的推荐算法的开发
通过骑手历史轨迹、用户地址解析、多语言地址数据建模，持续优化取送点准确率，解决“找不到商家/用户”的业务痛点
骑手路线推荐算法的研发与优化
结合时空轨迹挖掘与图神经网络等技术，综合考虑交通路况、小区门禁、电梯等待、楼栋楼层等复杂因素，为骑手推荐更合理、更顺路的配送路线，优化多单配送的路径推荐策略
外卖场景下AOI（兴趣面）的构建与优化
综合利用多源多模态数据，采用语义分割、生成式等技术，结合地理数据及业务数据，精确生成商家/用户所在区域的AOI及门禁属性，支撑配送末端精准引导及供需匹配
与产品、运营、工程团队紧密协作，推动算法在国际化多国市场的落地与持续迭代，解决不同国家地理数据差异带来的实际挑战
优先资格
有外卖/即时配送行业AOI建设、骑手路线规划、配送时间预估等方向的直接经验
在KDD、SIGSPATIAL、ICML、NeurIPS等国际会议发表过相关论文
有运筹优化（如VRP、TSP问题）、强化学习、因果推断等方向的实战经验
熟悉多语言地址数据挖掘或海外地图数据规范
AI 洞察
优缺点分析
优点
- 技术前沿：涉及LLM、图神经网络等新兴技术，技能成长空间大
- 业务价值：直接解决外卖配送痛点，算法成果能快速落地并产生实际影响
- 国际化舞台：有机会参与多国市场项目，拓展全球视野
- 技术复杂度高：需处理多源多模态数据，解决不同国家的地理数据差异
缺点 / 挑战
- 跨团队协作：与产品、运营、工程团队紧密配合，沟通协调要求较高
- 业务压力：配送场景对算法准确性和实时性要求严格，需持续优化
- 适合具备扎实算法基础、对LBS和国际化业务感兴趣，并能接受技术挑战和跨团队协作的求职者
角色解读
- 技术深耕：成为LBS算法专家，主导核心算法研发和技术创新
- 业务影响：从单点算法优化扩展到全局配送系统设计，提升整体业务效率
- 管理方向：带领算法团队，负责技术战略规划和团队管理
- 开发取送餐点推荐算法，通过轨迹分析和地址解析优化配送准确性
- 研发骑手路线推荐算法，利用图神经网络和时空数据提升路径规划效率
- 构建和优化外卖场景下的AOI兴趣面，支持精准末端配送
- 与跨团队协作，推动算法在国际化市场的落地和迭代
- 扎实的深度学习理论和数据挖掘能力，掌握从数据处理到模型部署的全流程
- 熟悉LLM、Agent机制和AI编程工具，能探索自动化研究框架
- 具备运筹优化、强化学习等高级算法知识，解决复杂时空问题
- 良好的跨团队协作和国际化业务理解能力
申请策略
- 研究滴滴外卖业务和国际化战略，面试时展示对业务痛点的思考
- 准备展示算法如何解决实际配送问题的案例，突出数据驱动和工程落地能力
- 突出深度学习、LLM或图神经网络的项目经验，展示算法从研发到部署的能力
- 强调运筹优化或时空数据分析的实际案例，体现解决复杂问题的思路
- 列举参与国际化项目或多语言数据处理的经历，展现跨文化协作能力
- 如果有相关论文发表或竞赛成果，务必在简历中突出
- 深入学习LLM和Agent机制，掌握AI编程工具和AutoResearch框架
- 强化图神经网络、语义分割等技术在实际场景中的应用练习
面试指南
- 对于算法设计问题，先明确业务目标，再分解技术难点，阐述数据、模型、评估指标的完整流程
- 对于跨团队协作问题，强调沟通协调和敏捷迭代，展示如何平衡技术需求和业务优先级
- 对于国际化挑战，从数据标准化、模型泛化和本地化适配角度分析解决方案
- 如何设计一个取送餐点推荐算法来优化配送准确率？
- 在骑手路线规划中，如何结合图神经网络和交通数据？
- 如何构建和优化外卖场景下的AOI兴趣面？
- 如何解决不同国家地理数据差异带来的算法挑战？
- 你熟悉LLM和Agent机制，如何将其应用在LBS算法开发中？
职位点评
薪资福利80
成长发展90
工作生活60
使命价值75
薪资福利
80较高
作为已上市跨国企业的高级技术岗，薪资水平具有市场竞争力，福利体系相对完善。
薪资信号市场水准 (35K-55K/月)
成长发展
90较高
职位涉及前沿技术如LLM、图神经网络，并支持国际化业务，技能成长和职业发展机会突出。
技术前沿前沿/新兴技术
技术栈LLM、Agent、图神经网络、深度学习、数据挖掘、AI coding、AutoResearch
成长机会探索AutoResearch框架、推动算法在国际化多国市场的落地与持续迭代
业务类型profit_center
工作生活
60中等
JD未明确办公模式和WLB信息，基于技术岗特点可能工作强度较高，但具体需与HR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
75中等
外卖LBS算法直接提升配送效率和社会便利性，具有中等偏高的社会影响力，技术应用创新性强。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号解决'找不到商家/用户'的业务痛点、优化配送路线、支撑配送末端精准引导及供需匹配
创新程度积极采用新技术
Watch Jobs