小鹏汽车
校招【27届校招】 台架测试开发工程师（自动驾驶仿真）
广州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 基本条件：
- 本科及以上学历，车辆工程、自动化、电子信息、计算机、软件工程等相关专业。
- 熟练掌握Python进行脚本开发、框架搭建与数据处理；具备C 语言开发能力，可完成底层接口、驱动或实时程序开发与调试。
- 熟练使用CarMaker、Carla至少一种仿真工具，具备模型集成、场景编辑、仿真配置与仿真结果分析能力；了解 dSPACE/NI/Vector 等 HIL 台架硬件优先。
- 掌握车载通信原理，熟悉CAN/CAN FD/LIN/Ethernet等总线协议，了解 CANoe、CAPL、ECUTest 等测试工具者优先。
- 熟悉自动驾驶系统架构、感知 / 定位 / 规划 / 控制基本原理，理解 HIL 测试流程、功能安全与测试用例设计方法。
- 具备良好的问题分析、故障定位与系统联调能力，工作严谨负责，具备良好的团队协作与沟通表达能力。
岗位描述
岗位职责：
负责自动驾驶HIL 硬件在环台架的方案设计、硬件选型、系统集成、部署调试与日常运维，保障台架稳定高效运行，支撑域控制器 / ECU 的闭环测试与迭代验证。
基于CarMaker、Carla等仿真工具，完成车辆动力学模型、传感器模型（摄像头 / 雷达 / 激光雷达）、交通场景与工况的搭建、参数标定与精度优化，实现真实驾驶环境的高保真还原。
使用Python/C开发 HIL 自动化测试框架、测试脚本与工具链，实现用例自动化执行、数据采集、日志解析、结果判定与测试报告生成，提升测试覆盖率与效率。
对接自动驾驶算法与软件团队，完成台架与实车 / 仿真环境的联调，负责 HIL 测试问题复现、根因定位、数据复盘与闭环跟踪，推动软硬件缺陷修复。
制定 HIL 测试规范、流程与交付标准，维护台架软硬件资产、仿真模型库与测试用例库，持续优化测试体系与台架性能。
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。