蔚来
实习蔚来AGI超星计划-构建基于蔚来能源产品用户价值创造的自适应充换电规划算法模型的研究
上海 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- - 硕士及以上在读
- - 专业能力（一项即可）：
- - 人工智能和机器学习：精通并对强化学习，模仿学习，注意力机制，时许建模，图网络的理论和算法经验
- - 用户行为分析和数据科学：有从海量高维稀疏的交互数据中构建用户画像，行为模式挖掘，需求预测和价值量化模型的直接经验和能力
- - 实习时长：不少于6个月，以9个月以上为优
- - （加分）了解电力系统基本运行原理，电价机制，充电网络运营特性；有智能电网、需求侧响应、虚拟电厂、能源管理系统等相关项目或研究经验。
岗位描述
课题介绍
课题希望研发一套以用户行为深度建模为核心的自适应价值规划算法。通过先进的数据表征与注意力机制，算法将深度挖掘用户行为规律与价值诉求，构建能够量化、平衡多维度运营目标的智能决策模型。该算法将学习在动态环境中自主进行长期、全局的价值寻优，推动运营规划从执行预设规则向理解并驱动用户价值的根本性转变，为业务打造具备持续进化能力的决策引擎。
预期产出
- - 核心算法模型：交付一套基于用户行为深度建模的自适应规划算法，包括行为表征、价值网络模型及模型评估与优化工具链，形成可迭代、可解释的解决方案
- - 业务价值验证：算法驱动下实现用户侧核心体验指标（如需求满足率）提升3%以上，单位综合运营成本降低1-2%
- - 规模化应用和资产沉淀：提供算法规模化推演与全量效益评估，预计规模化应用后可实现年化运营成本节省2000-4000万元。同步沉淀高保真仿真沙盘与模型迭代框架，形成核心智能决策资产
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。