小鹏汽车
校招【27届校招】算法工程师（视觉多模态方向）
北京/上海/广州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 任职要求
- 本科及以上学历
- 熟悉计算机视觉核心算法（目标检测、图像分类、分割、图像增强等），精通多模态融合技术（文本-图像/视频-图像匹配、跨模态检索等），有CLIP、LLaVA、InternVL等主流多模态模型实战经验者优先。
- 具备扎实的C++编程功底，熟悉Linux环境下的算法开发，掌握数据结构、多线程、并行计算等相关知识，有丰富的算法工程化落地经验，能独立完成算法的C++实现与优化。
- 精通模型量化、剪枝、知识蒸馏等轻量化技术，熟悉至少一种推理引擎（TensorRT、ONNX Runtime、NCNN、TVM等），具备模型在云端/边缘端部署、性能调优的实战经验，能独立解决部署过程中的技术问题。
- 具备较强的问题分析、攻坚能力与自我驱动能力，逻辑思维清晰，，能快速跟进业界前沿技术并落地应用。
- 具备良好的团队协作与跨部门沟通能力，责任心强，有规范的代码编写习惯，能承受一定的业务压力，有相关算法竞赛获奖或顶会论文发表者优先。
- 加分项：有车载芯片、嵌入式SOC平台部署经验，或大模型端侧优化、工业场景多模态落地经验者优先。
岗位描述
岗位职责
- 1、负责视觉及多模态算法（图像/文本/视频融合等）的研发、优化与落地，覆盖模型设计、训练、调优、部署全链路，聚焦业务场景中的核心技术难题解决，推动算法从原型到产品的工业化落地。
- 2、基于C++完成算法工程化实现，包括算法模块开发、性能优化、单元测试及跨平台适配，保障算法在实际部署场景中的高效、稳定运行，编写规范的技术文档与测试报告。
- 3、负责深度学习模型的轻量化优化，熟练运用量化（PTQ/QAT）、剪枝、知识蒸馏、稀疏化等技术，针对不同硬件平台（云端/边缘端）优化模型性能与推理效率，解决模型部署中的精度与速度瓶颈问题。
- 4、跟踪视觉与多模态领域前沿技术，开展技术调研与预研，结合业务需求进行技术选型与创新，推动算法性能持续迭代升级，提升产品核心竞争力。
- 5、对接产品、工程等跨团队，梳理业务需求，输出算法解决方案，参与算法相关的技术评审、问题排查，保障项目按时交付与落地。
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。