蔚来
实习蔚来AGI超星计划-基于蔚来能源全场景经营的“大模型&算法”研究
上海 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- - 计算机或者人工智能专业方向的硕士及以上在读
- - 强大的系统性思维与问题定义能力
- - 精通大模型算法的原理，熟练掌握大模型的各种训练方法，熟悉大模型推理优化；深入了解主流Agent框架和应用
- - 愿意使用AI Coding工具
- - 实习时长：不小于六个月。
- - 加分项：
- - 在传统深度学习、大模型、强化学习领域有顶级会议论文发表经历
- - 在国内外知名AI实验室有实习经历
岗位描述
课题介绍
构建一套专为Power全场景经营设计的大模型算法体系。
结合大模型的多阶段训练策略（例如 有监督微调、强化学习、知识蒸馏等），构建适用于蔚来能源运营的垂类的大模型优化路径，赋予Power智能体 精准、高效地处理定价、调度、异常检测、运维等复杂业务场景的能力，驱动蔚来能源业务向智能化经营升级。
目标实现对标行业Top模型的效果突破，并在关键业务指标上形成可量化收益。
预期产出
研发具备自主推理、决策能力的Power经营大模型，实现对动态业务需求的精准响应与高效处理，支撑资源优化配置与运营效益提升。预计具体产出如下：
- 1. 一套针对Power智能化经营的 大模型 训练范式
- - 构建从数据生成 到 模型训练 的完整训练体系
- - 支持模型能力 在各个应用场景中的持续迭代与自我进化
- 2. 将自研大模型应用到Power经营实际场景中，并提升智能体的决策效率、精准度
- 3. 具有开创性的研究报告或论文，可投顶级会议
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。