小鹏汽车
实习Robotaxi VLA 大模型算法实习生
广州 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 计算机、自动化、电子工程、数学、车辆工程等相关专业研究生以上在读
- 了解 VLA/VLM、大语言模型的基本原理，有相关课程学习或个人项目经验优先
- 了解自动驾驶基本技术流程，对轨迹预测、运动规划、博弈决策等算法有基础认知者优先
- 具备良好的数理基础，熟练掌握 C++ / Python 编程语言，熟悉 PyTorch 等深度学习框架
- 学习能力强，逻辑思维清晰，能独立分析和解决简单的技术问题
- 有良好的沟通能力和团队协作精神，工作认真细致，有责任心
- 能保证稳定的实习时间。
- 加分项
- 有自动驾驶、机器人领域 AI 算法相关项目或竞赛经验
- 有大模型微调、推理优化或多模态模型相关经验
- 了解 Apollo、Autoware 等开源自动驾驶框架
- 发表过相关领域的论文或技术博客。
岗位描述
- 1、协助资深工程师进行 VLA 自动驾驶大模型的研发与优化，参与训练数据清洗、标注质量校验、模型微调与对比实验验证工作；
- 2、协助复现和分析 VLA 模型在城市复杂路况下的行为问题，整理路测日志与实验数据，输出标准化的问题分析报告；
- 3、参与功能安全方案与安全冗余架构的落地工作，协助梳理安全需求、编写测试用例、执行安全验证测试；
- 4、协助构建分级指令式云舱平台，开发数据处理、模型测试等辅助工具链，测试平台功能并完善技术文档；
- 5、参与 VLA 模型的集成与版本交付工作，协助进行版本冒烟测试、问题跟踪与交付文档整理。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。