小鹏汽车
校招【27届校招】Embodied AI算法工程师/研究员
深圳 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 教育背景：计算机、电子工程、人工智能、自动化等相关专业硕士及以上学历
- 算法与理论基础：具有扎实的机器学习/深度学习基础，在 VLM、LLM、AIGC、RL、Robotics、3D Vision 等相关领域有相关研究或实践经验
- 编程与工具能力：熟练掌握 Python / C++，熟悉 Linux 环境与网络/性能分析；熟练使用 PyTorch 等至少一种主流深度学习框架，具备优秀的系统级代码实现能力
- 专业技能（以下A、B两项满足其一即可）：
- [算法研究向]：具备独立开展高水平研究的能力，曾在 CVPR / ECCV / ICCV / CoRL / ICRA / NeurIPS / ICLR / ICML / SIGGRAPH 等顶会/顶刊上发表过学术论文
- [工程部署向]：具有丰富的模型工程或训练平台经验，熟悉大规模训练加速与剖析；或具备推理与端侧异构部署加速经验（如 TensorRT / ONNX 等），熟悉推理服务框架、容器编排（Docker / K8s）等。
- 综合素质：对具身智能（Embodied AI）及机器人交互有浓厚兴趣；具备良好的跨团队沟通协作能力与复杂问题解决能力，能在“研究-工程-平台”多方之间高效推进项目。
岗位描述
- 1. 前沿模型研究与打造：面向通用人形机器人及真实物理世界场景，参与打造行业领先的具身大模型。深入进行可泛化、可Scaling的 VLA大模型研究，实现全身动作控制，引领具身智能前沿技术发展。
- 2. 大模型工程化与训练优化：参与具身多模态大模型的大规模训练性能优化与工程化落地，构建面向真实场景的下一代智能体系统。
- 3. 系统集成与端侧部署：探索并推进模型在端侧平台上的部署加速；与算法、硬件及测试团队紧密协作，推动大模型与机器人感知、决策、控制模块的深度集成与系统级优化。
- 4. 技术影响力：紧跟国际学术与工业界最新动向，通过技术攻坚与系统迭代，形成持续的技术影响力。
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。