滴滴26届正式批-算法工程师（安全）
任职要求
： 1、2026届毕业生，本科及以上学历，数学/统计学/计算机相关专业 2、具备算法基础，包括不限于机器学习、深度学习、大模型等方向，有相关实习经历并落地项目者优先 3、熟悉python等算法编程语言，熟悉PyTorch框架，有sql/spark/hadoop等大数据开发经验者优先 4、具备较强的逻辑推导与问题拆解能力，能适应快速迭代的业务场景，对挑战性问题有持续的热情。
工作职责
1、车内安全业务模型与策略的开发及优化：1）通过技术进行策略体系的建设，减少车内不安全事件的发生，给司乘更安全的出行体验，深入研究业务，基于数据分析产出业务洞见，并进行策略调优与模型迭代 2）基于行程中实时的录音、录像、轨迹信息，结合订单及司机历史行为数据等，使用统计学方法、机器学习、深度学习、大模型等技术手段解决小样本、多模态数据融合等技术问题，建设车内安全相关的风险事件识别模型 2、司机生态业务模型与策略的开发及优化：通过技术搭建策略体系，建设良好的司机生态环境，使用NLP、大模型等技术，对司机生态中的风险事件进行识别，进而对司机生态进行持续治理 3、司机与乘客安全画像的构建：通过司机与乘客的历史行为信息，构建安全相关画像能力，使用数据挖掘、机器学习等技术构建标签，提供更安全的司乘出行与司机生态环境 4、安全场景的大模型应用：将大模型在安全业务场景落地应用，包括但不限于语音语义理解、多模态内容理解、智能问答、RAG等方向。
1、负责滴滴国际化出行治理场景的模型设计、建设、开发、应用落地、持续迭代优化 2、尝试各类特征工程方法，挖掘集团内外部数据，加工生成有效特征，优化模型效果 3、数据算法创新，了解并跟进业界领先的机器学习和图算法进展，在业务场景中灵活使用并取得创新。
1、参与内容安全文本过滤算法设计，对算法进行调优，满足集团业务对内容安全效率和效果的要求，降低集团因内容安全造成风险的风险 2、参与大模型安全建设，搭建集团大模型安全围栏，设计应用大模型解决内容安全机审问题，大模型应用到从训练、推理、到引导人审分流机审全生命周期，利用大模型算法提升内容安全整体能力 3、参与业务算法设计，探索算法与业务结合方案，解决业务痛点，在重点场景深入优化风控效果。
1、基于滴滴国际化海量的出行数据（四轮、摩托、外卖），利用数据挖掘、机器学习等技术，优化上下车点推荐、地址解析、路况预测、路径规划、ETA（到达时间预估）、EDA（预估到达距离）等引擎 2、上下车点推荐引擎：基于滴滴出行的大数据，深入理解不同国家的业务特点，推动上下车点推荐引擎效果提升，理解世界不同国家的地理领域知识，还原物理世界，并结合出行领域的用户（司机+乘客）行为特点，构建完善的特征工程 借助时序建模、MTMS(Multi-Task and Multi-Scene)的深度学习算法，综合提升各类场景的推荐效果 提升出行体验和平台效率，保障司乘安全 3、路线规划引擎：不同国家有不同的地理特性，不同的业务对路线规划也有差异化的需求，深入理解不同地区和业务的特点，借助序列建模、排序、多任务等手段，优化路线的召回、排序、重排等链路 4、时间/里程/价格/路况等预估引擎：深入研究不同国家、不同业务（四轮车、摩托）、不同打车链路（预估、分单、接驾、送驾等）中的时间/距离/价格/路况预估任务，构建不同场景下独有及共享的底层数据体系，建设地理特征、用户画像、历史行为及偏好等特征工程，借助因果推断、GNN、MTMS、online-learning等技术，提升预估准确性，提升司机和乘客的体验及打车效率 5、探索学术前沿技术，参与LLM、GNN、Online Learning、Reinforcement Learning等在交通领域的应用落地。
自动驾驶中，规划相关团队的工作内容包括设计实现自动驾驶系统的交互建模，决策规划和轨迹生成，安全冗余系统，例如路径规划、决策交互、轨迹生成、安全兜底等，同时也支持各类为全无人车辆设计的产品功能。我们的目标是构建AI算法和安全的算法及软件架构，帮助无人车更加安全、舒适及高效。1、 在智能驾驶应用场景中研发和部署车辆路径规划与控制系统 、路径规划、远程协助系统、部署冗余系统 2、研发机器人相关算法，包括行为预测，交互建模，轨迹搜索生成、路径规划、控制理论、轨迹安全评估、紧急躲避和车辆控制等 3、积极从事规划算法或技术探索创新，共同推动无人驾驶技术的发展与落地 4、与汽车厂商或其他研究机构合作研发智能控制车辆。