滴滴产品与用户运营专家(J251028010)

岗位背景 网约车具备双边网络效应，通过定价、流量、补贴、分单的策略制定，和司乘长短期营销产品的协同，我们立志在下沉市场创造更好的打车体验，让更多乘客更便宜、更快的打到车，让更多司机收入更稳定，让业务的体量不断提升。经过几年深耕，下沉市场在全局中的比重不断提升，当前已成为贡献全局业务增量的主力军，在产品力、定价权等方面享有独立话语权。 价格做为交易市场中用户完成价值交换的必要条件，是日常运营抓手中排在首位的工具，对业务增长起到至关重要的作用。具体工作中，我们通过基础定价校准、定价工具创新、商业化规则调整等手段，为下沉城市的业务增长提供具有持续性的动能。 岗位职责 1）对负责区域内城市的网约车价格负责。能够通过成本分析、供需预判、竞争调研等锁定核心问题，针对性的完成网约车价格校准、定价工具创新，持续推动负责区域内城市的网约车业务增长 2）对负责区域内城市的出租车价格负责。以增长、渗透为核心，深入分析目标对象，数据驱动、科学测试；通过线上定价权品类价格制定、出租车商业化规则优化等，持续推动下沉市场出租车价格下探、商业价值提升、平台交易量增长 3）不断沉淀下沉市场价格框架体系，创新价格产品力，使下沉市场城市价格能够根据内外部变化做出快速的反应和调整，支撑起下沉市场长期增长目标

职位描述 滴滴国际化Fintech业务，是滴滴国际化战略的重要组成板块。近年来，滴滴Fintech在拉美地区积极探索和开展电子支付、信贷、信用卡、存储等业务，为当地用户带来更便捷、优质、更高性价比的金融服务。我们正在寻找经验丰富的智能核身平台的架构师来加入我们团队。该平台是公司业务安全与用户体验的核心基石，为数千万用户提供安全、智能、流畅的身份验证服务。 核身平台： 职位描述： 1、负责风险智能核身平台的技术规划和架构设计，制定清晰的技术演进路径和技术愿景。 2、主导重大技术选型与攻关，评估并引入前沿身份验证技术，保证平台架构的先进性、稳定性、可扩展性和成本效益。 3、主导设计高可用、高并发、可扩展的核身决策架构，涵盖API网关、业务流程核身引擎、决策策略引擎、核身因子等核心系统。 4、构建智能化的核身决策大脑，实现风险自适应的核身流程（豁免、降级、Rank评分、成本优化）。 5、负责平台SLA、可用性、稳定性的体系化建设，确保对所有服务业务线的稳定支撑。 6、推动核身运营平台的产品化与配置自助化，提升业务接入和运营效率。 7、base地：北京/上海/杭州。

我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。

【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。