美团
无人车业务部-机器学习算法专家
无人车业务部-机器学习算法专家
发布于 1 天前普通员工/个人贡献者
北京市
专家级经验
全职员工
仅现场办公
学历未注明
机器学习
深度神经网络
强化学习
需求预测
因果推断
路径规划
运筹优化
GMV优化
大模型(Llm)
AI 估算 · 40k–70k
无人车算法专家稀缺，美团大厂薪资竞争力强，技术难度高，月薪40-70k合理。
职位详情
关于这个职位
该职位是美团无人车业务部的机器学习算法专家，负责货运场景中核心策略模型的建模与优化，包括需求预测、定价、调度等
你将运用机器学习、因果推断、大模型等技术，直接驱动GMV增长和成本优化，参与物流策略体系从0到1的建设，与自动驾驶、运筹等多领域专家协作
适合有扎实算法背景、渴望在高速增长赛道中解决复杂业务问题的技术专家
最低要求
具备优秀的问题发现、分析和解决能力，能够快速、深入理解业务并挖掘优化点和制定优化方案
在机器学习、因果推断、搜索推荐等领域有扎实理论基础和丰富实战经验，能够将技术能力转化为可落地的业务策略
有自驱力和优秀的学习能力，能不设边界、深入思考、快速学习、勇于创新
具有良好的沟通能力和编程能力，有复杂业务场景的策略研发经验
工作职责
策略算法建模与优化：负责无人车货运业务中核心策略模型的建设和持续迭代
运用机器学习、因果推断、大模型等技术，对货运场景中的强不确定性、强价格弹性、强动态性进行建模和优化
具体方向包括：需求预测、留存/转化预测、价格弹性建模等定价/营销优化场景和路径规划与时间预估、履约机会成本预测、供需失衡预测等调度优化场景
预测-决策联合优化：推动预测模型与决策模型的深度耦合，通过端到端优化实现业务订单增长和运营效率提升，直接驱动GMV增长和成本优化
业务洞察与技术探索：深入理解无人车货运业务全链路，洞察业务快速发展过程中的关键瓶颈，与产品、运营、工程团队紧密协作，探索AI驱动的新一代物流策略体系
前沿技术落地：关注并引入大模型（LLM/Foundation Model）、强化学习、因果推断等前沿技术在物流策略优化中的应用，推动技术创新转化为业务价值
AI 洞察
优缺点分析
- 业务高速增长，从单城到多城扩展，算法策略可产生显著业务价值，成就感强
- 前沿技术栈（大模型、强化学习、因果推断）广泛应用，技能积累前沿且稀缺
- 美团大平台，资源充足，与自动驾驶、运筹等领域专家合作，视野开阔
- 有从0到1的系统建设机会，而非仅做微调，学习成长空间巨大
- 业务复杂度高，需深度理解实时配送、供需动态等强不确定性问题，模型调优难度大
- 工作强度较大，互联网大厂节奏快，且无人车业务处于快速迭代期，可能需要频繁调整策略
- 要求同时具备算法深度和业务广度，对综合能力要求较高，压力不小
- 适合有3年以上经验的算法工程师，热爱解决复杂业务问题，渴望在高速增长赛道中实现技术落地并追求快速成长
角色解读
- 技术纵深：从算法专家成长为策略方向的技术负责人，主导核心算法体系架构
- 业务影响：深入即时零售和自动驾驶交叉领域，成为物流策略专家，影响行业成本结构
- 管理路径：可向团队Leader或技术总监发展，带领算法团队解决更大规模问题
- 负责无人车货运场景的核心策略模型开发，包括需求预测、定价、调度等，使用机器学习和因果推断方法
- 推动预测模型与决策模型的联合优化，通过端到端学习直接提升订单量和降低运营成本
- 深入理解业务全链路，与产品、运营团队协作，识别瓶颈并设计AI驱动的物流策略方案
- 追踪并落地大模型、强化学习等前沿技术，将其转化为实际业务价值
- 扎实的机器学习、因果推断理论基础，能够针对复杂业务问题设计合适的算法
- 丰富的策略研发经验，熟悉搜索推荐、定价、调度等场景，能将技术落地
- 优秀的编程能力，熟练使用Python及主流深度学习框架（如Pytorch/TensorFlow）
- 强大的业务理解力和沟通协作能力，能与跨职能团队高效配合
申请策略
- 提前研究美团无人车业务的最新进展，在面试中展现对即时零售和自动配送的理解
- 准备一个完整的端到端项目故事，说明从业务问题到模型上线再到效果评估的全链路
- 突出在货运、物流、调度或定价等领域的策略算法项目，量化业务提升效果（如GMV提升X%、成本降低Y%）
- 详细展示因果推断或强化学习在真实场景中的应用案例，说明技术选型和收益
- 强调编程能力和工程落地经验，如大规模特征工程、模型部署等
- 列出相关论文、竞赛或开源贡献，体现技术深度
- 补充大模型（如Transformer、LLM fine-tuning）在序列预测或决策中的应用知识
- 巩固因果推断理论基础，如DID、工具变量、uplift模型等
面试指南
- 结构化叙述：背景（业务痛点）→ 方案（技术选型理由）→ 实施（关键细节）→ 结果（量化指标）→ 反思（局限与改进）
- 对比多种方法：解释为什么选择A而非B，体现技术判断力
- 强调业务理解：无论技术多深，最终要落到业务指标上，展示商业思维
- 请详细描述你做过的一个策略优化项目，包括问题定义、模型选择、离线评估和线上效果
- 在需求预测中，如何处理时间序列中的季节性和突发事件？请举例说明
- 因果推断在定价或营销中有哪些应用？如何选择适当的因果模型？
- 如何将预测模型与下游决策（如调度）联合优化？遇到过什么困难？
- 对LLM在物流策略中的应用有什么看法？请给出一个具体的设想
匹配度报告
75
综合匹配度
美团无人车算法专家，前沿技术驱动，高成长高挑战，薪资优厚但WLB一般。
适合人群
最适合高度追求技术成长和业务影响力的求职者，对于工作生活平衡要求较高的候选人需谨慎考虑。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值85
薪资福利匹配
75中等
虽然薪资未明确，但美团为互联网大厂，薪资福利处于市场中上水平，且该岗位层级较高，综合回报有竞争力。
薪资信号未披露 (40K-70K/月)
成长发展匹配
90较高
职位使用前沿技术（大模型、强化学习、因果推断），提供从0到1的系统建设机会，成长空间极大。
技术前沿前沿/新兴技术
技术栈机器学习、因果推断、大模型、强化学习、需求预测、路径规划、运筹优化、Python
业务类型profit_center
工作生活匹配
50较低
仅现场办公，未提及弹性工作或WLB，互联网大厂通常工作节奏较快，平衡性一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
85较高
无人车即时配送是高速增长赛道，技术进步有助于降低物流成本、提升社会效率，使命感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号用科技推动即时零售再升级
创新程度开拓性创新（行业首创）
Watch Jobs