小鹏汽车
实习具身智能算法实习生（VLA预训练方向）
深圳 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 计算机、人工智能、自动化等相关专业本科及以上学历（硕士优先）
- 具备扎实的深度学习基础，熟悉 Transformer 架构，对 ViT、CLIP、LLaVA 等主流模型有深入理解
- 有大模型（VLM、LLM）训练经验，熟悉其在多模态任务中的应用
- 对机器人技术有浓厚兴趣，愿意参与真机测试等实践性工作
- 熟练使用 PyTorch、TensorFlow 等深度学习框架，具备良好的工程能力和代码实现能力
- 良好的团队协作与沟通能力，具备快速学习和解决问题的能力。
- 【加分项】
- 有机器学习或深度学习项目经验，了解多模态模型的基本概念
- 对人形机器人、智能操作等方向有强烈兴趣
- 熟悉Linux系统和基本的命令行操作
- 有机器人相关课程或项目背景。
岗位描述
【关于机器人中心】 小鹏机器人中心专注于构建面向未来的人形机器人系统，融合先进的人工智能（AI）、控制、机械与系统工程，打造能感知、理解、操作并能和现实世界进行交互的下一代机器人。
【关于团队】 该部门承担前沿智能方法的预研工作，专注于实现机器人三大核心智能能力：自主移动（导航）、灵巧操作和人机交互。我们深入布局大语言模型（LLM）、多模态视觉语言模型（VLM）和视觉语言行动模型（VLA），实现全流程自研，推动机器人从感知到决策的全面智能化落地。 团队成员遍布深圳、上海和美国硅谷，聚集了世界一流的科研与工程人才。在这里，你将参与推动 LLM/VLM/VLA 与机器人智能体的融合，并在真实的物理世界中验证你的算法。
- 1、算法参与：参与多模态大模型（VLM/VLA）在人形机器人上的算法研究与开发，协助进行VLA预训练泛化性的研究与验证；
- 2、模型优化：协助进行VLA模型的训练与真机效果评估，支持机器人在复杂环境下的感知与行为能力；
- 3、实验验证： 学习并参与模型在机器人真机中的部署与测试，在真实环境中验证和优化模型性能，积累宝贵的行业前沿机器人实际操作经验；
- 4、前沿追踪： 跟踪 Embodied AI（具身智能）领域的最新的论文和开源动向。
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。