蔚来
校招提前批-算法研发工程师
上海 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 我们希望你具备
- 2027 届硕士及以上学历，计算机、人工智能、数学、统计学、运筹优化等相关专业
- 熟练掌握 Python，熟悉 NumPy、Pandas、Scikit-learn 等工具
- 了解机器学习、深度学习或优化算法的基本原理
- 有数据分析、建模、算法实验或论文复现经验
- 对大模型、Agent、RAG、知识图谱或智能决策有兴趣
- 加分项
- 有 RAG、Embedding、Rerank、知识图谱、GNN、时间序列预测、优化算法相关项目经验
- 熟悉 PyTorch、PyG、DGL、OR-Tools、Gurobi、DoWhy 等工具
- 有 Kaggle、天池、ACM、数学建模等竞赛经历
- 有论文发表、开源项目、技术博客或完整算法项目
岗位描述
你会做什么
你将参与 Skyworks 算法能力建设，帮助 Agent 更好地理解问题、检索知识、进行推理，并在供应链、制造、运营等真实业务场景中完成预测、仿真和优化。
根据你的兴趣和能力，你可能参与以下方向之一：
方向 A：RAG 与语义检索
你将参与企业知识检索和 Agent 问答能力优化，包括：
优化向量检索、关键词检索、图检索的混合召回策略
设计 Rerank、Query Rewrite、Context Assemble 等能力
提升 Agent 在复杂业务问题中的召回率和准确率
参与企业知识库、知识图谱、文档检索的评测体系建设
方向 B：知识图谱与语义理解
你将参与企业知识图谱和 Ontology 自动建模，包括：
从文档、表格、数据库中抽取实体和关系
进行实体对齐、关系推荐、知识融合
基于业务对象构建图谱推理能力
优化图谱查询和图谱增强检索效果
方向 C：预测、仿真与优化
你将参与企业智能决策算法，包括：
需求预测、库存预测、风险预测等时间序列或分类模型
供应链网络仿真、供应中断传播模拟、多情景 what-if 分析
库存优化、资源分配、路径规划等优化问题建模
使用因果推断或反事实分析识别关键影响因素
你会接触的技术
机器学习：Scikit-learn / XGBoost / LightGBM
深度学习：PyTorch / TensorFlow
时间序列：statsmodels / Prophet / tslearn
图算法：NetworkX / PyG / DGL
优化算法：OR-Tools / PuLP / Gurobi
因果推断：DoWhy / CausalML
LLM 应用：LangChain / LlamaIndex / RAG / Rerank
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。