百度
校招上海-自动驾驶端到端决策规划控制算法工程师(J100785)
上海市 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- -硕士及以上学历，计算机、自动化、车辆工程、机器人学等相关专业
- -扎实的机器学习/强化学习/控制理论基础，熟悉常见路径规划算法（A*、RRT等）或预测方法
- -熟练掌握C++/Python，具备较强工程实现能力，有大型系统开发经验者优先
- -熟悉ROS、CarSim、CarMaker等仿真或车辆动力学工具者优先
- -有自动驾驶决策规划、预测或控制相关实习/项目经验者优先
- -在ICRA、IROS、CoRL、NeurIPS等顶会发表论文者优先
- -逻辑清晰，沟通协作能力强。
岗位描述
【岗位职责】
-设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题
-研究智能体强化学习（RL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平
-运动规划与轨迹生成
-开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹
-探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）
-交互与泛化能力提升
-构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性
【任职要求】
-硕士及以上学历，计算机、自动化、车辆工程、机器人学等相关专业
-扎实的机器学习/强化学习/控制理论基础，熟悉常见路径规划算法（A*、RRT等）或预测方法
-熟练掌握C++/Python，具备较强工程实现能力，有大型系统开发经验者优先
-熟悉ROS、CarSim、CarMaker等仿真或车辆动力学工具者优先
-有自动驾驶决策规划、预测或控制相关实习/项目经验者优先
-在ICRA、IROS、CoRL、NeurIPS等顶会发表论文者优先
-逻辑清晰，沟通协作能力强。
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。