国际事业群IBG-（3）算法实习生

参与国际化外卖分单核心算法的迭代与优化，包括但不限于订单-骑手匹配、派单策略、路径规划与ETA预估，支撑多国家/多城市的差异化业务场景。 协助构建和优化分单相关模型，包括接单率预测、配送时长预估、骑手偏好建模等，参与特征工程、样本构造、模型训练与离线评估全流程。 参与分单策略的仿真与实验分析，基于历史数据搭建离线仿真环境，设计AB实验方案，量化策略对完单率、准时率、骑手效率等核心指标的影响。 协助进行国际化场景的差异化适配，针对不同国家的路网特征、骑手生态、用户习惯、合规要求，调研并落地本地化的分单策略。 跟踪运筹优化、机器学习、大模型等前沿技术，探索其在分单场景中的应用潜力（如LLM辅助调度决策、强化学习动态定价等），并输出技术调研报告

基本要求 计算机、自动化、运筹学、统计学、数学或相关专业本科及以上在读，硕士/博士优先。 具备扎实的编程能力，熟悉常用数据结构与算法。 了解机器学习/深度学习基础，熟悉至少一种主流框架（PyTorch、TensorFlow），有推荐系统、搜索排序、运筹优化相关项目经验者优先。 具备良好的数据分析能力，熟练使用SQL及Pandas/NumPy等工具处理大规模数据。 每周实习4天以上，连续实习3个月以上，能长期实习者优先。 加分项 有外卖、出行、物流等即时配送或调度系统相关实习经验。 熟悉运筹优化方法（线性规划、整数规划、列生成、图算法等），有OR-Tools/Gurobi/SCIP等求解器使用经验。 有强化学习、Uplift建模、因果推断相关实践经验。 有大模型应用经验（如RAG、Agent、SFT/DPO/GRPO），或LLM+运筹优化结合的项目经历。 有海外学习/生活经历，英语可作为工作语言，能阅读国际化业务文档并参与跨时区协作。 有Kaggle、天池等算法竞赛获奖经历，或有顶会论文发表