滴滴出行2026年校招实习

岗位职责

1、参与区域运营策略的实际配置工作

2、辅助区域大促素材设计

3、通过数据洞察迭代大促方向运营策略

4、日常数据报表维护

任职资格

1、地点：北京，需线下参与实习。可每周五天实习，实习时长不少于4个月。

2、基础数据能力：SQL、Python

3、英语水平：可在全英文环境实习（写、读为主），英语6级以上，TOEFL 100分以上

4、院校与专业：国内 985、海本/硕 QS Top 100

5、【优先】具备一定素材设计能力 or AI 工具建设能力者优先考虑

岗位职责（具体工作内容）

1. 行业研究。跟踪特定行业的政策法规、技术趋势、市场供需及竞争格局；开展产业链调研，获取一线市场信息

2. 用户研究。利用定性、定量研究方法，研究用户的画像、需求、行为、痛点等，产出有洞见的研究报告

3. 独立完成用户访谈、数据收集与分析、报告撰写

任职资格（学历、目标院校、语言、技能、性格等要求）

1. 有行业研究和用户研究相关经验，熟悉行业研究的方法和信息收集渠道，熟悉公司估值模型或行业研究方法论，有独立完成研究报告的案例；熟悉用户研究的方法论，有一定的用户研究经验（定性、定量）

2. 经济学、金融学、统计学、心理学、社会学等背景

岗位职责（具体工作内容）

岗位职责（具体工作内容）

基于大模型POI数据建设

在出行场景，POI现实位置的数字化表达，是用户出行需求的终点表达。因此POI不仅需要精准的表达地理位置，还要提供丰富、全面的信息供用户参考决策。现实世界每年有接近40%的变化，怎样高效的发现变更、低成本的接入变更，是POI数据建设的最大挑战。

技术挑战：

【多模态数据处理能力】

多模态数据处理&理解是情报挖掘模型的核心能力。从情报挖掘的角度，可以采集到的资料包括图片、定位信息、Wi-Fi、检索词、司乘行为轨迹、互联网信息、品牌官网等多种信息源。各个信息源的数据表达方式差异化明显，模型怎样从海量情报中理解&发现变更信息，并从多方信息源进行佐证，过滤无效&虚假变更信息是情报挖掘模型的核心能力。

【情报自动化处理能力】

基于Agent的情报自动化处理是POI数据建设突破的根基。情报的核实是POI数据建设的最后一环，情报核实的效果直接影响着最终POI的数据质量。传统的做法都是由人工作业来保证核实的正确性的，但是随着出行业务的快速发展，人工作业无法满足快速更新的业务需求。那么如何使用好人工作业反馈、用户使用反馈数据，结合LLM能力建设Agent，高效准确的核实情报、更新POI数据，是POI目前阶段的最大挑战，也是未来突破的根基。

【用户决策信息建设】

通过大模型补充不同场景用户的决策信息需求，是POI数据建设的下一步目标。在出行场景下，用户的决策过程要参考的信息不用，例如同是餐馆的标签，旅游用户倾向网红店、上班用户餐馆倾向聚餐。POI数据建设需要通过大模型，从多个维度补充信息，供用户决策时使用。

任职资格（学历、目标院校、语言、技能、性格等要求）

1、需要有大模型经验

2、对NLP相关算法熟练掌握

3、有论文经验加分、有vibe coding经验加分

任职资格（学历、目标院校、语言、技能、性格等要求）

1、学历：通常要求硕士及以上在读学生，也接受优秀本科生。

2、专业：计算机科学、软件工程、数学、通信工程、地理信息系统（GIS）等专业

3、语言：具备独立阅读、整理英文专业文献能力

4、沟通表达良好、学习动手能力强、保有技术好奇心

5、稳定实习三个月以上，且每周实习时间不少于4天