美团
校招【北斗】自动驾驶决策规划算法工程师
北京/深圳 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 【岗位要求】
- 1.自动化、计算机科学、人工智能等相关专业硕士及以上学历；
- 2.具备扎实的强化学习理论基础，熟悉PPO、SAC、TD3、DDPG等主流强化学习算法，有相关项目实践经验。熟悉世界模型 / 生成模型（JEPA、Dreamer、RSSM 等）等相关经验者优先。
- 3.在国际顶级计算机会议/期刊（如NeurIPS、ICML、ICLR、ACL、TPAMI等）以一作身份发表过多篇论文，或在开源社区、竞赛中展示出引领性的研究成果；
- 4.具备自动驾驶与机器人等复杂决策场景落地经验者优先。
- 【为什么是我们】
- 1.团队与算力支持： 加入高水平研发团队，团队成员来自清华、北大、CMU等知名高校及业内头部企业。公司提供充足的 GPU 算力、海量真实路采数据支持模型训练。
- 2.参与定义行业未来： 推动自动驾驶前沿技术的拓展，将实际技术发表为顶会顶刊，并在实际业务场景中规模化应用，创造真实的社会价值。
- 3.广阔的职业发展： 扁平化管理，技术氛围浓厚、职业晋升空间大、有充足空间将想法落地为现实。
岗位描述
【岗位职责】
【愿景】
美团是中国领先的生活服务科技平台，拥有覆盖数千万商户与数亿用户的真实履约网络。美团无人车是国内率先实现城市道路无人配送规模化运营的团队，累计完成超百万订单的真实配送里程。我们正在推动无人车感知系统从模块化架构向端到端智能架构的代际跃迁——让无人车从"按规则行驶"进化为"像人一样看懂世界、自主决策"。
【岗位职责】
- 1.负责构建基于强化学习算法的下一代行为决策模型，设计实现对齐人类偏好的高效训练方法，深入攻克长尾动态博弈、多车交互难题，提升自车行驶的安全性；
- 2.负责云端WA模型的设计与落地，构建高效闭环训练多智能体仿真环境和数据生成引擎，为长尾场景的数据生产和能力评测提供有效支撑。
【任职要求】
【岗位要求】
- 1.自动化、计算机科学、人工智能等相关专业硕士及以上学历；
- 2.具备扎实的强化学习理论基础，熟悉PPO、SAC、TD3、DDPG等主流强化学习算法，有相关项目实践经验。熟悉世界模型 / 生成模型（JEPA、Dreamer、RSSM 等）等相关经验者优先。
- 3.在国际顶级计算机会议/期刊（如NeurIPS、ICML、ICLR、ACL、TPAMI等）以一作身份发表过多篇论文，或在开源社区、竞赛中展示出引领性的研究成果；
- 4.具备自动驾驶与机器人等复杂决策场景落地经验者优先。
【为什么是我们】
- 1.团队与算力支持： 加入高水平研发团队，团队成员来自清华、北大、CMU等知名高校及业内头部企业。公司提供充足的 GPU 算力、海量真实路采数据支持模型训练。
- 2.参与定义行业未来： 推动自动驾驶前沿技术的拓展，将实际技术发表为顶会顶刊，并在实际业务场景中规模化应用，创造真实的社会价值。
- 3.广阔的职业发展： 扁平化管理，技术氛围浓厚、职业晋升空间大、有充足空间将想法落地为现实。
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。