蔚来
校招Super Sparks-校招-智能车控算法工程师
上海 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 一、核心硬性要求
- 学历背景：2027届应届博士，控制、自动化、人工智能、车辆工程、应用数学等相关硬核理工专业，深耕智能控制、机器学习、车辆动力学相关方向；顶级成果硕士可破格遴选。
- 理论功底：具备扎实的博士层级理论基础，精通车辆动力学、系统辨识、非线性控制等机理建模理论；熟练掌握深度学习、监督学习、强化学习核心原理，深刻理解机理建模与数据驱动建模的融合逻辑，可独立解决算法精度、泛化性、工况适配等核心技术问题。
- 工程能力：具备算法从建模、仿真到落地的全流程研发能力。熟练使用Python、MATLAB/Simulink开展建模仿真，精通主流深度学习框架，可独立完成模型训练、算法开发与性能调优，实现理论算法工程化落地。
- 二、高阶优先条件
- 博士课题聚焦智能车控、车辆动力学优化、强化学习控制、系统辨识等相关方向，具备完整科研攻关经验
- 拥有机理+数据融合建模、对抗场景生成、SOTIF功能安全、智能控制优化相关论文、专利或项目成果优先
- 熟悉车控算法开发、场景库搭建、仿真验证体系，具备独立技术攻关、方案迭代与成果转化能力优先。
岗位描述
- 1、机理+深度学习融合建模：融合车辆动力学机理建模与深度学习技术，构建高精度、高泛化性的车辆物理仿真模型，支撑车控算法迭代研发。
- 2、多机器学习融合最优控制算法研发：基于监督学习完成车辆状态预估与基础控制策略开发，结合强化学习实现复杂工况自适应优化，达成车辆全域最优控制效果。
- 3、SOTIF对抗场景算法开发：面向智能辅助驾驶预期功能安全要求，研发对抗场景生成算法，覆盖极限、长尾风险场景，提升车控算法全场景安全性与合规性。
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。