共 6773 个在招岗位 · 覆盖国企、大厂官方招聘
1、负责Android所有系统级异常的问题分析与修复 2、负责Android系统优化，场景化性能提升 3、设计系统性能稳定性评估指标体系，监控体系，建立完整开发流程 4、开发系统工具，完成系统分析与问题诊断
1、业务分析：深入理解业务运营环境，发现和定义问题，通过解决方案的制定，支持业务发展 2、综合运营：基于公司战略部署，拉齐多部门形成目标共识，协作一致拿结果 3、区域支持：协同区域负责人进行重点工作管理，并为前台同学工作的开展提供高效支持 4、体系建设：在日常工作中不断总结提炼，识别出需要搭建和优化的业务体系，通过创新的方法进行体系优化，总结沉淀和推广最佳实践
1.负责车险理赔案件中涉及人身伤害部分的专业质检与抽样核查。 2.深度审核人伤案件，聚焦医疗费用合理性、伤残等级评定、误工及护理依赖等环节的合规性与真实性，精准识别并调查存疑案件。 4.推动车险人伤问题案件的整改、内部追责与赔款追偿工作。 5.参与专项理赔稽查，评估合作保司的人伤理赔作业质量。 6.参与建立和完善质检标准，为提升车物险理赔品质提供专业支持。
1、负责公司A/B实验平台的产品规划、方案设计和落地工作，包括科学实验管理流程、实验效果评估、高阶实验能力等功能模块建设，打造业内领先的实验平台； 2、支持公司所有产品线的实验管理与评估能力建设，提供科学、准确、丰富、灵活的效果评估能力，为业务决策提供支撑； 3、参与实验平台相关运营工作，建立用户反馈渠道，定期搜集和梳理用户反馈，持续改善产品功能及用户体验，提高工具使用效率； 4、进一步推动公司AB实验氛围和文化建设，完善实验相关文章专栏、用户课程与用户培训机制，扩大平台影响力并助力各产品快速发展
1、整车级硬件体验定义 主导Robotaxi整车硬件体验的产品定义——包括座舱、车内外交互、上下车动线、安全件、人机工程等所有硬体模块 2、输出整车级PRD，定义每一个配置在用户场景中的定位与优先级 3、建立"用户场景→硬件需求→配置定义"的闭环方法论，并推动团队落地 4、配置策略管理与成本决策 5、主导整车硬件配置表的定义、分级（标配/选装/预留）、生命周期管理 6、根据BOM目标和用户价值排序，独立做配置取舍决策并给出理由 7、推动配置标准化和模块化，降低车型衍生的边际成本 8、前瞻规划与平台化 9、参与下一代Robotaxi硬件平台的需求规划，输出产品输入 10、追踪行业趋势（座舱创新、新材料、新交互），判断哪些值得引入到下一代车型
你将会: 1.负责滴滴 AI 叫车「小滴助手」的产品设计，owns 从用户需求到履约成功的完整交易链路； 2.和团队一起推动 AI 创新产品从 0 到 1 的孵化与验证，并在过程中探索 AI native 的组织协作方式； 3.持续跟踪、拆解国内外前沿 AI 产品，为产品方向提供外部视角与判断依据——不是搬运信息，要给出判断。
1.负责自动驾驶端到端导航算法的设计与优化，包括导航路径规划与导航引导信息生成，基于模型实现车道级绑路，车辆偏航后主动reroute能力，以及时空联合的绑路算法方案 2.支持无高精地图方案下的导航全局路径规划与路线处理，为模型提供高质量导航输入。结合车道级SD地图与定位能力，提升复杂场景下端到端导航路径规划算法的鲁棒性与安全性。 3.与模型、定位等模块合作，完成全链路算法开发、集成测试与上线交付。将AI能力嵌入到业务系统，支撑自动驾驶场景的规模化落地。推动端到端导航模块车端代码迭代升级。 4.搭建导航算法评测体系，通过实车路测与仿真平台验证，迭代优化CornerCase。提升端到端导航训练数据质量，加快端到端模型算法落地。优化仿真测试框架，提高测试效率和算法迭代效率。
一、岗位职责 1. 治理策略设计与落地：负责网约车体验治理场景（如费用异常、取消、司乘纠纷、判责等）的策略设计与规则制定，从问题识别到方案产出，推动策略上线并持续迭代； 2. 数据分析与问题挖掘：基于司乘行为、订单状态、客诉数据，进行异动分析，定位用户痛点，量化体验收益，为策略制定提供支撑； 3. 跨部门推动与执行：协调判责、客服、分单、地图等多团队，推动治理方案落地。能将策略结论转化为可执行的行动项，驱动各方达成共识并跟进闭环； 4. 平台优化与机制建设：优化治理平台能力，沉淀治理方法论与标准化流程，建立策略效果评估机制，确保治理动作可衡量、可追溯、可复用； 5. 用户视角建设：从司机与乘客双端视角出发，识别体验问题根因，平衡治理力度与体验影响，避免治理动作带来的次生体验风险。
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)
参与大模型推理引擎的架构设计与核心模块开发，支撑千亿参数模型的高效分布式推理。 研发面向GPU/NPU等异构计算平台的高性能算子，提升硬件利用效率。 参与模型低精度量化，图优化，编译优化等性能优化工作。 攻克分布式推理中的动态负载均衡、通信优化、显存管理等核心技术难题。 跟踪学术界与工业界前沿技术（如vLLM、TGI、TensorRT-LLM等），推进框架迭代。
1. 技术战略与架构规划：参与企业内部核心系统（ERP、EHR 等）的应用架构、技术架构与数据架构的整体规划与设计，制定清晰、可演进的 3-5 年技术路线图，主导核心系统的微服务架构演进与落地。 2. Agent 底层技术搭建：负责多方向 Agent 框架与底层技术的整体规划与选型，主导工具调用、推理策略、RAG、模型服务化等方向的技术攻坚与前沿跟踪；沉淀统一的技术标准、最佳实践与知识体系，为各业务团队提供框架选型、架构评审与关键技术指导，推动全组织形成统一的 Agent 技术方法论。 3. 领域建模与架构攻坚：深入理解公司业务架构进行领域建模，主导关键系统的架构重构、技术选型与核心组件设计，攻克高并发、大数据量、高可用、高一致等核心场景的技术难题。 4. 平台化与技术底座建设：搭建业务中台、数据中台、集成中台及低代码平台底座，推动通用能力组件化、标准化，制定研发流程、数据库、权限、发布等全链路技术规范。 5. 工程效率与研发效能提升：负责研发效能体系的规划与建设，建立覆盖需求、开发、测试、发布的全流程效能度量指标体系；推动 CI/CD、自动化测试、代码质量门禁等工程基础设施建设，主导 AI 辅助研发（代码生成、智能评审等）工具链的引入与落地，持续提升团队交付效率与工程质量。 6. 系统稳定性与性能治理：建立可观测性、SLI/SLO、容量管理、故障响应与复盘改进机制，持续优化系统性能、稳定性与可扩展性。 7. 跨团队协同与项目落地：与产品、功能顾问、数据及业务方紧密协作，组织技术方案评审与选型决策，协调内外部资源，推动架构方案高质量落地与项目闭环交付。 8. 梯队建设与技术影响力：搭建核心技术梯队并培养人才，输出技术标准与知识沉淀；代表团队在行业发声，打造部门技术品牌。
1.负责国际化墨西哥现金贷系统的核心链路的测试开发架构工作； 2.负责保障核心交易系统的高稳定性、高可用和安全性，用合理的技术手段如AI自动化做好质量与效率的优化提升； 3.负责核心链路（贷前，交易）的质量保障体系的构建和实践，通过扎实的软件开发和测试技术能力，提高测试效率和覆盖率； 4.通过前瞻性的思考、机制建设， 规避业务质量风险； 5.负责团队方向AI赋能业务的质量保障工作流程建设；
独立规划并完成专豪用户体验产品策略设计与迭代，同时主动探索业务规模增长的机会点，为司乘体验提升及业务增长结果服务。 1、快速熟悉专豪司机与乘客产品及业务现状，洞察司乘痛点，定义体验问题并产出匹配的产品解决方案，推动方案落地、效果验证与持续迭代； 2、持续关注用户行为与反馈，发现体验短板与优化机会，迭代产品体验，提升司乘体验，巩固用户对专豪品类的认可与信任； 3、主动探索专豪业务增长的机会点，包括但不限于新场景挖掘、细分市场用户痛点挖掘与满足，通过小步快跑验证增长假设，为业务找到可持续的增长方向； 4、基于司乘体验与增长探索双线目标，输出产品规划，在验证中迭代策略更优解，助力业务结果达成与提升； 5、协同运营、设计、开发、测试、横向产品及商分等团队，推动多方合作落地，共同达成结果。
1、目标管理：围绕事业部年度经营规划，设计牵引业务发展的目标体系（指标、权重、数值），并完成跨部门沟通对齐，追踪目标达成； 2、经营分析：通过数据看板及 WBR/MBR 会议机制，开展业务指标预实追踪、归因分析与策略探索，识别业务增长机会并推动落地； 3、商分专题：参与品类重点战役项目的规划与执行，明确目标、分工与资源配置，保障高质量交付，同时通过复盘沉淀方法论。
1、滴滴轻享是滴滴专车事业部孵化的轻溢价品类，当前正在快速发展时期，加入轻享，你可以参与一个网约车业务从0到1的搭建，决策城市的开城和经营策略，为城市轻享业务增长整体负责； 2、规划所负责城市的轻享业务目标和经营节奏，多维度进行短中长期的经营洞察分析，对经营结果（规模和毛利）负责； 3、负责城市轻享业务的资源分配策略制定，建立收益评估体系，通过出价补贴流量等经营手段优化，提升城市资源分配效率； 4、对城市网约车相关市场进行分析诊断，跨团队协作和整合资源，协同区域团队落地增长策略。
深入理解自动驾驶算法逻辑，负责数据闭环系统架构与开发，设计并实现高效可扩展的数据闭环平台，覆盖数据挖掘、数据标注、数据集管理、模型训练评估和部署全链路，以支持模型开发： 1）搭建面向自动驾驶大模型的数据生产系统，涵盖数据清洗、增强、合成与标注全流程； 2）构建数据版本管理与回溯系统，实现数据集迭代过程的可追踪性，满足模型训练合规要求； 3）负责自动化标注与数据流水线，构建与迭代自动化、半自动化标注工具链（如大模型预标注、人机协同标注），提升数据产出的效率与质量； 4）与算法工程师及AI基础架构团队紧密合作，建设相关平台工具，提升自动驾驶模型的迭代效率和效果。
1. 负责自动驾驶北京地区安全处置工作 2. 对自动驾驶路测/运营等工作做好风险防控和应急处置 3. 对交通安全政策法规、制度流程有深入的认知和理解，执行标准化应急处置流程
1. 全链路性能优化与工程化建设 负责 Simulator 基础架构及核心模块的全链路性能调优。 搭建并维护自动化性能测试平台，实现性能基准的自动化回归与趋势分析，确保版本迭代的性能稳定性。 2. 性能建模与瓶颈诊断 利用 Profiling 工具（如 Perf, eBPF, FlameGraph 等）进行深度的热点函数分析与内存泄漏检测，定位 CPU、Memory、I/O 等资源瓶颈。 建立系统容量规划模型，基于历史负载数据预测资源需求，为资源调度与架构演进提供数据支撑。
1、负责L4自动驾驶系统在行车过程中的博弈、交互、规划算法（如MCTS、时空搜索等）的设计、研发以及验证，优化复杂、新增场景系统能力； 2、持续跟踪路测问题进行分析、修复方案制定与跟进，推动迭代； 3、高质量实现代码，保证合理系统架构设计，把握子系统关键问题并解决技术难点; 4、跨团队协作，拆解业务需求，完成新增业务功能的工程落地
- 数据挖掘：负责自动驾驶模型数据闭环算法研发，从海量路采数据中挖掘有价值的场景，并设计数据清洗逻辑，过滤脏数据提升数据质量 - 数据标注：负责数据场景和行为理解，通过自动标注生产场景、交通参与者属性、行为等数据标签，并设计校验机制保证准召率 - 数据画像：进行多维度画像分析，量化数据缺陷，为模型迭代和数据采集提供决策依据 - 数据增强：结合车端感知、规控信息，对模型表现短板设计针对性数据增强算法。
1、负责自动驾驶端到端路径规划算法设计，研发模型与rule-based融合的规划算法，包括基于深度学习的路径预测，基于强化学习/模仿学习的决策规划，以及时空联合规划、横纵联合控制一体化方案。 2、支持无高精地图方案下的实时路径生成与动态避障。结合模型和传统算法提升对道路结构、交通规则与多智能体交互的认知能力，提升复杂场景下基于导航地图规划算法的鲁棒性与安全性。 3、协同感知、控制、定位等模块，完成全链路算法开发、集成测试与上线交付，支撑自动驾驶场景的规模化落地。推动端到端规划模块车端代码迭代升级。 4、优化规划算法评测体系，通过实车路测与仿真平台验证，迭代优化CornerCase，优化闭环仿真测试框架，提高测试效率和算法迭代效率。 5、优化端到端模型数据闭环链路，通过专家系统/世界模型/闭环仿真等方式提升端到端数据质量，加快端到端模型算法落地。
base地（全国） 1、负责维护与政府相关部门的沟通渠道和良好的互动、合作关系；具备较好的公文写作水平，与政府部门开展日常政策、标准等事务沟通；参与、主导、影响政府政策的制定，为地方政府相关政策的出台和实施提供支撑； 2、根据公司业务及规划，建立有建设性的、高效的政府关系网络，建立与政府机构沟通机制，能够有效开展利于业务落地的政策推动； 3、负责及时了解并跟踪政府侧最新的政策法规及信息动态，具备独立开展政策研究的能力；根据公司战略，跟进并推动政务领域相关项目合作； 4、对接政府项目申报工作，整合公司内部资源，获取政策优势与支持； 5、与公司内部相关体系对接，做好协助和支撑工作，助力业务发展；
1.负责ISP软件的日常开发工作 2.负责ISP芯片的FPGA，EMU的验证工作 3.负责针对ISP Pipeline的软件结构设计和文档输出 4.负责ISP软件的HAL功能开发 5.负责ISP软件的底层驱动开发 6.负责RTOS的系统软件开发和维护工作
1.参与业务系统的设计、开发与维护，负责功能模块的编码实现； 2.根据需求文档完成技术方案设计，编写高质量、可维护的代码； 3.协助团队完成代码审查、性能优化及技术问题排查； 4.学习并掌握新技术栈，配合团队完成技术升级与创新； 5.参与项目全生命周期管理，包括需求分析、开发测试及上线支持。
1、参与图像/视频相关领域的深度学习或传统算法研发工作； 2、结合产品需求，参与算法的设计、开发、验证、集成、优化和维护，解决算法产品化过程中的各种技术问题，确保算法达到上线要求； 3、跟进特定领域的行业进展，并结合产品对算法进行优化，使相关产品效果达到业界领先水平； 4、参与学术研究，产出具备行业影响力的科研成果。
1.负责穿戴运动健康传感器中光学需求评估、分析。 2.负责传感系统中光学设计、与器件选型。 3.负责传感产品工程化落地中的关键技术问题分析和处理。 4.负责运动健康传感器光学方向的技术规划与预研，负责与高校&科研院所合作。
岗位简介 负责人形机器人国内外标准制修订、标准体系建设、产品合规认证及内部标准落地，推动技术标准化，确保产品法规符合性，提升行业标准影响力。 岗位职责 标准制修订：参与ISO、IEC、GB/T等机器人国标、行标起草与评审，跟进标准制修订，并在业务层面推动标准的落地实施。 体系建设：搭建机器人企业标准体系，研判行业标准趋势，维护行业标委会及专家资源，推动企业内部标准升级为行业/国家标准。 合规认证：统筹机器人CR、CE等国内外认证全流程，制定合规测试规范，指导研发完成合规设计。 内部落地：制定维护产品设计、测试、接口等内部技术标准，组织标准宣贯培训与落地监督。
1. 视觉感知算法研发（图像/视频） 负责场景分类、主体检测、人像分割、景深估计、画面质量评估、运动光流、视频时序建模等基础视觉算法的训练、优化、迭代、落地。 2. Camera Agent智能体相关算法研发 参与视觉智能体框架建设，负责预训练Camera Agent相关模型，包括多模态大模型，AIGC大模型，相机端侧模型相关的研发，微调和部署，包括功能实现,性生能优化,和部署应用等，学习并落地：场景自主识别、拍摄状态判断、构图评估、调参评估、拍摄引导、曝光/对焦策略自适应、智能运镜决策等逻辑，协助搭建全自动AI拍摄智能体能力。 务中。 3. 算法训练、数据与评测体系建设 负责数据集制作、模型训练、消融实验、效果对比、主观/客观评测，输出标准化算法迭代报告。 4. 端侧算法工程化落地 配合完成模型轻量化、量化、推理测速、功耗优化，协助NPU部署与业务对接，保障视频/拍照实时性落地。
1. 深入理解新零售业务保障领域的场景需求，结合业务和技术，从运行稳定性、功能健壮性、性能容量等方面探 索并实施稳定性保障措施(如容灾、容错、容量规划及应急响应)，优化和实现相关产品与解决方案; 2. 主导或参与业务保障技术平台的产品化、平台化建设，提高通用性和规模化复制能力，并通过智能化技术提升 运维效率和能力; 3. 推动技术文化建设，负责监控治理、稳定性风验巡检等治理工作，建立研发、运维等规范化稳定性流程体系架构; 4. 参与核心链路的稳定性建设，评估技术方案合理性与可行性，识别系统瓶颈与风险点,推动性能优化与可用性提升。
你将深度参与小米AI基建与云服务平台的核心产品建设，覆盖从需求洞察到产品落地的全链路，直接影响集团级技术平台的演进方向。 核心职责 1、负责小米AI大模型商业化、云平台、数据平台、等核心模块的产品设计与迭代，从需求调研、功能定义、原型设计到项目交付与上线复盘，端到端闭环； 2、将大模型能力、数据工程、云服务等底层技术封装为可复用的平台产品，赋能小米各业务线的AI应用落地； 3、参与小米自研AI模型的商业化产品设计，探索ToB/To C场景的变现路径； 4、持续跟踪AI、云计算、大数据领域的技术趋势与竞品动态，将行业判断转化为产品策略； 5、与工程、算法、设计、运营等多团队紧密协作，推动复杂项目高质量交付。
