小鹏汽车
校招【27届校招】大模型算法工程师（智驾/机器人方向）
北京/广州/深圳/上海 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 2027届应届毕业生，计算机科学、人工智能、电子工程、自动化、数学等相关专业
- 对前沿技术充满好奇心：持续关注AI领域最新进展，保持强烈的学习热情和自我驱动力，我们看重"想学"胜过"学过"
- 善于发现问题并解决问题：不是被动执行，而是能主动思考、提出假设、设计实验、验证结论——我们优先考虑问题发现与解决能力强的同学
- 熟练运用开源大模型，能够在其基础上展开 SFT、RL等后训练迭代
- 具备模型全栈开发能力，能够从模型训练、数据驱动、推理加速、量化部署等维度推进量产任务的解决
- 有良好的编程能力，熟练掌握Python，了解C++者优先；具备扎实的数学基础
- 加分项：有论文发表、竞赛获奖、开源项目贡献或相关实习经历。
岗位描述
【团队介绍】
以通用大模型技术为核心引擎，驱动从感知到决策的端到端一段式智能架构。我们深耕多模态融合、世界模型与闭环强化学习等前沿技术，将算法创新持续落地于不断迭代的小鹏智能驾驶汽车、Robotaxi、新型出行工具及具身机器人等核心产品，推动智驾与具身智能从实验室走向真实世界。
【校招生在这里将获得】：
- - 前沿技术实战：直接参与VLA大模型、多模态感知、世界模型等前沿课题；全面打通“数据 - 模型 - 训练 - 部署 - 实测”的全链路闭环；
- - 完善的培养体系：一对一导师制 + 系统化培训课程 + 定期技术分享，帮助你快速完成从校园到工业界的转身
- - 充分的成长空间：清晰的成长路径，优秀者可快速承担重要模块，我们愿意为新人提供核心项目机会和资源支持
【职位描述】
- 1. 参与通用智能大模型的算法研发与优化，包括但不限于多模态融合、一段式端到端模型、世界模型、闭环强化学习、具身智能等前沿方向，推动创新算法在实际场景中的落地
- 2. 参与设计并实现高效的模型训练与推理pipeline，涵盖分布式训练、模型压缩、量化部署等关键技术；解决物理AI领域的各类应用问题
- 3. 负责大规模多模态数据的挖掘、分析、合成，覆盖智驾与机器人场景数据，构建高质量训练数据集，提升模型泛化能力与鲁棒性。
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。