共 1146 个在招岗位 · 实时同步滴滴官方招聘数据
1. 负责国际化金融业务账号产品的建设，结合海外市场环境及用户习惯，归纳各业务场景中的会员账号服务诉求，设计体验顺畅，复用性强，安全性好的会员账号基础平台产品； 2. 与各站点、各业务线密切协同，以用户问题解决为导向，设计帮助用户解决账号管理问题的功能流程及后台工具，提升用户体验。与账号安全风控团队密切合作，确保用户账号和资产安全； 3. 以中台视角提供服务各业务线的标准化账号产品，持续进行现有平台的功能迭代，提升产品的通用性和拓展性，抽象同类场景，沉淀平台能力； 4. 关注行业和竞品，持续跟踪会员账号产品相关领域的发展变化，保持产品竞争力。
1、负责充电运营平台核心算法能力建设，聚焦充电用户画像、场站画像等方向，为平台运营与业务增长提供算法支撑。 2、基于机器学习与数据挖掘技术，构建用户与场站的双侧画像标签体系，设计标签生产与匹配机制。 3、结合画像标签与业务数据，探索充电供需预测、订单趋势分析等方向，持续优化核心业务指标。 3、深入理解充电业务场景，推动算法方案从设计到落地的全链路实现。
1. 负责充电定价引擎核心算法的设计、研发与持续优化，推动算法能力在业务场景中落地。 2. 基于充电交易数据开展需求预测、价格建模和策略优化，提升交易效率、用户体验及业务收益。 3. 运用机器学习、因果推断、运筹优化、强化学习等技术，解决充电定价中的复杂决策问题。 4. 建设算法效果评估和实验体系，持续跟踪、分析并优化核心业务指标。 5. 负责核心技术方案把关和难点攻坚，沉淀算法方法与实践经验，提升团队整体技术能力。
1. 负责自动驾驶场景的数据挖掘工作，构建高效的数据挖掘平台和流程; 2. 应用计算机视觉算法、大模型微调和强化学习等技术提升数据挖掘效果; 3. 专注于提升长尾场景的召回率，优化数据挖掘算法; 4. 构建数据闭环系统，持续优化数据挖掘流程; 5. 从数据采集、清洗、特征工程到模型部署的全流程工作
1. 面向国内外场景，负责自动驾驶中三维静态场景重建，语义元素自动化构建等研究、开发和落地工作； 2. 参与基于视觉或激光雷达的静态环境在线和离线构建、多源数据融合、数据更新等工作的设计和实现； 3. 跟进国内外相关领域最新研究成果，实现并应用于实际项目中。
开发/维护自动驾驶国际化数据平台，为自动驾驶系统仿真、模型训练、以及可视化分析工具提供高性能、高可靠性的数据服务 设计高扩展可迁移的路测数据的采集、传输、管理体系建设，在满足国际化各地合规要求的同时控制服务成本 站在全链路视角理解上下游，根据国际化各地实际研发、运营需求产出合理技术及基建方案
岗位职责： 核心系统设计：负责参与自动驾驶 OTA 云端系统的整体架构设计、核心代码实现与线上运维，涵盖升级包的安全存储、加密分发、完整性校验、版本追溯及全生命周期以及策略和任务的管控。 稳定性第一：主导 OTA 云端各业务模块的高可用治理，持续优化系统性能与数据质量，确保服务 SLA 指标（可用性 ≥ 99.99%、请求成功率、P99 延迟等）全面达标，对任何异常波动零容忍。 可观测性与主动防御：构建完善的监控报警体系（指标、日志、链路），实现故障的秒级发现、分钟级定位；同时设计主动巡检与异常预测机制，将隐患消灭在用户感知之前。 安全纵深防护：负责系统访问控制、数据加密传输、防篡改校验、防重放攻击等安全机制的设计与落地，定期进行安全漏洞扫描与渗透测试演练，确保升级包从生成到落地的全链路安全闭环。 应急响应与混沌验证：深度参与线上故障应急，定期组织故障演练与混沌工程实验，验证系统在极端场景（网络分区、节点宕机、流量突增）下的自愈能力，持续迭代应急预案。
1. 负责自动驾驶地图语义元素自动化构建和更新技术的研发和落地工作； 2. 参与自动驾驶地图矢量构建、在线离线元素融合，语义更新，动态地图等等工作； 3. 跟进国内外相关领域最新研究成果，实现并应用于实际项目中。
我们是滴滴自动驾驶交易策略团队，致力于打造世界顶尖的智能交易平台，包括订单分配，司机调度，定价，补贴等方向，通过不断探索机器学习、强化学习等前沿技术，完善交易市场设计，实现资源最优化分配，力求解决正在发生的以及潜在供需失衡的状况，最大程度满足的出行需求，持续优化乘客体验，提升业务经营效率。 岗位要求： 1.研究交易匹配、分单调度等算法，持续提升核心交易效率。 2.利用因果推断、运筹规划、机器学习等技术，提升供需预测、补贴定价等运营核心算法效果 3.利用算法技术用户的高效增长，优化流量运营效率
1、负责出行场景POI信息中台搭建与迭代，为POI信息的准确性、覆盖率、实效性等核心指标负责，通过人工审核、算法挖掘等多种方式完成POI图片与信息生产。 2、推动POI数据治理专项落地、准确理解业务需求，完善POI数据审核标准及生产SOP（含图片质量规范、信息字段规范、审核流转机制等），提升内外部团队数据交付效率与质量。 3、基于用户出行决策链路，识别不同场景的差异化信息诉求，配合POI产品各运营阶段目标进行信息结构化填充，丰富POI信息维度与呈现质量。 4、探索AI在POI信息建设中的智能化路径，通过大模型、Agent、工作流等技术手段实现信息自动获取、智能审核与多模态内容生产，推动POI生产从人工驱动向人机协同演进。
1.营商环境的评估与监控：熟悉了解潜力市场，并探究在潜力市场中影响营商环境的因素，将其转化为客观观察指标进行评估。实时监控全国各区县的营商水温变化，及时预警风险，以及不断迭代评估机制。 2.政企合作的设计与落地：以建设良好营商环境为目的，设计政企活动方案，搭建良好的品牌形象与口碑；利用出网融合政策，缓解各地区出租车与网约车矛盾，为业务长期增长做基建类工作。 3.信息收集和策略输出：整合内外部各渠道的信息，了解业务在各地区的发展难点，在营商层面为业务开展设计、申请、输出策略助其解题； 4.特殊事件的指导和干预：出现极端和较难的营商问题时，需要以专业角度，提供解题思路，必要时需利用自身能力和经验参与到实际问题中，发挥关键作用； 5.经验产出及能力复制：对于已解决的历史问题进行复盘沉淀，形成方法论或知识库；向前台及全国代理商进行相关营商维度能力的培训，解决其在常规运营中遇到和可能遇到的营商类问题。
1. 参与安全相关平台与AI 安全产品的架构设计与研发落地； 2. 能够独立解决难点问题，推动系统在架构合理性、系统稳定性等方面健康发展； 3. 负责从需求分析到技术实现的全流程交付工作，参与核心业务模块和通用系统的开发； 4. 保持高度自驱力与责任心，积极推动项目进展，赋能团队技术氛围。
1、对接业务、产研&运营，挖掘业务场景下的信息安全痛点和对信息安全的需求，并将需求整理转化为可落地方案，推动落地实施； 2、覆盖产品设计、开发、上线、运营全流程信息安全风险管控：开展安全风险评估、隐私合规评审、数据全生命周期风险治理； 3、定期评估梳理业务相关的信息安全风险，全面掌握业务当前的安全状况与主要风险点，并推动业务治理改造。 4、对业务安全日志、风险事件、漏洞台账做数据分析与溯源，定位系统性风险；基于历史安全事件沉淀通用安全规范、流程模板，反向推动业务产品安全架构升级，降低重复事件发生。 5、开展安全培训、项目宣贯，牵头业务线安全应急事件处置、复盘，输出整改方案与长效防控机制；组织安全应急演练，完善相关制度规范。 6、独立承接DPIA、三方安全治理、数据权限治理等安全专项，跨部门进行协调统筹，定期向业务与安全管理层同步风险台账、治理进度、合规水位。
1、根据业务需求，对Android系统服务进行进行设计、开发、定制与优化，核心解决座舱场景下的多屏交互、车载硬件适配、车规级稳定性与功能安全等问题； 2、基于 Android Automotive OS，定制HMI/Audio/Camera/域控通信等子系统； 3、解决座舱硬件与 Android 系统的兼容性问题，如多屏显示的分辨率适配、触控延迟、HUD 画面畸变校正、蓝牙音频断连等，确保车载硬件在 Framework 层的稳定调用； 4、持续优化座舱场景的性能瓶颈，保障系统架构稳定； 5、跟踪业界新的技术趋势开展预研，推动技术迭代。
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。
