蔚来
校招提前批-多模态感知算法工程师
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，人工智能、计算机科学与技术、自动化、电子信息、机器学习等相关理工专业，深耕计算机视觉、多模态感知、深度学习方向；顶级成果硕士可破格遴选。
- 理论功底：具备扎实的博士层级深度学习、计算机视觉、多模态学习、特征融合理论基础，精通自监督学习、跨模态迁移学习核心原理，熟悉视觉、触觉、声学感知信号处理机制，具备底层算法创新与理论攻坚能力。
- 工程能力：具备完整的算法研发与落地能力，熟练使用Python、主流深度学习框架，精通模型训练、调优、特征设计、多源数据对齐与融合开发，能够独立完成底层算法框架搭建与性能迭代。
- 二、高阶优先条件
- 博士课题聚焦多模态融合、视触感知、计算机视觉、自监督学习、跨模态迁移学习相关方向，具备长期底层算法攻关经验
- 拥有视触融合、声视觉融合、车载环境感知、自监督感知优化相关论文、专利、竞赛或项目成果者优先
- 熟悉车载感知算法开发流程、多源传感器数据处理、模型部署与性能验证，具备独立技术创新、方案设计与成果转化能力优先。
岗位描述
- 1、视触融合路面感知底层算法研发：深耕视觉、触觉融合的路面感知系统底层技术，搭建跨模态知识迁移算法框架，完成算法体系技术创新与突破；研究自监督感知学习方案，构建高性能自监督感知优化框架，持续提升复杂路面感知精度与鲁棒性。
- 2、多模态融合环境感知算法开发：研究声学、视觉、基础车载感知的多源信息融合算法，搭建统一、高效的舱内物理环境感知算法体系，实现全域、高精度、高可靠的车内环境感知能力。
- 3、负责感知算法建模、训练优化、仿真与实车验证，完成算法迭代与性能落地，输出核心技术专利、论文与技术方案，跟进行业前沿多模态感知技术，参与核心技术体系搭建与攻关。
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。