蔚来
实习实习-端到端大模型算法实习生-VLA方向（上海）
上海 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 本科及以上学历，计算机、自动化、人工智能、计算机视觉等相关专业背景。
- 熟练掌握 Python 编程和Pyorch框架。理解并掌握多模态大语言模型（VLM）/大语言模型（LLM）的基本原理，有相关研究或应用经验。
- 有智能辅助驾驶或机器人相关经验者优先。
岗位描述
围绕智能辅助驾驶场景，负责多模态大模型（包括但不限于视觉语言大模型等）的算法迭代和应用落地，工作职责包括但不限于：车端多模态大模型训练与评测迭代、云端多模态大模型优化与语料自动化生产、语料质量分析与提升等；
探索大模型的技术前沿与能力边界，创新性拓展智能辅助驾驶能力，推进大模型在智能辅助驾驶领域的落地应用。
负责VLA模型与算法的研发与优化，包括数据处理、模型设计、训练与部署，提升模型在多种驾驶场景下的性能与稳定性。
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。