小鹏汽车
校招【27届校招】具身智能数据算法工程师 - 人类数据
深圳/上海/广州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 学历与经验：计算机科学、人工智能、自动化、机器人或相关专业本科及以上学历，具备扎实的算法研究或数据工程实践经验。
- 核心技术栈（满足以下至少一项即可）：
- 1）深入理解自动驾驶或机器人领域的数据质检体系与数据闭环方法论，有大规模多模态数据处理经验
- 2）熟练掌握大模型微调技术（如 SFT、LoRA/QLoRA、DPO/RLHF 等），具备基于 LLM/VLM 构建自动化质检、评估或标注模型的实际落地经验
- 3）熟悉视觉 SLAM 或三维重建算法（如 ORB-SLAM、COLMAP、NeRF、3DGS 等），具备处理复杂场景空间数据的实际经验
- 4）熟悉主流深度学习框架（PyTorch 等）及模型加速技术（如 TensorRT、vLLM、ONNX 等），具备模型量化、剪枝或分布式推理优化经验。
- 工程能力：
- 1）精通 Python / C++，具备扎实的编程功底与良好的代码规范
- 2）具备较强的系统设计与工程落地能力，能独立完成从算法原型到生产级服务的开发与部署。
- 综合素质：逻辑严谨、对数据高度敏感，具备优秀的跨团队协作与项目管理意识；对具身智能与机器人技术有强烈热情，能快速学习并掌握前沿技术。
岗位描述
- 1、数据 Pipeline 构建：负责具身智能多模态人类数据（如遥操作数据、第一人称视角视频、动作捕捉等）的自动化质检、清洗与标注策略设计；结合大语言模型（LLM）、多模态大模型（VLM）及规则引擎，构建高吞吐、可扩展的自动化数据处理 Pipeline。
- 2、SLAM 与三维重建：负责基于视觉/多传感器的 SLAM 重建与三维场景理解算法研发，为具身智能模型提供高质量的空间几何、位姿估计与环境上下文数据支撑（如 NeRF / 3DGS 等相关技术的应用与优化）。
- 3、模型工程化与优化：负责核心数据算法模块的工程化部署与性能优化，包括模型压缩、推理加速及分布式计算架构设计，保障数据处理链路的高效、稳定与低成本运行。
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。