蔚来
校招提前批-大模型算法工程师(业务闭环方向) - 纵向
上海/北京 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 职位要求硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业。
- 扎实的深度学习基础，精通监督学习与强化学习算法，熟练使用PyTorch等主流框架。
- 理解智能辅助驾驶规划任务，熟悉端到端模型（如模仿学习、强化学习）的常用方法，有相关项目经验。
- 具备优秀的工程落地能力，能独立完成数据处理、模型训练与深度分析。
- 面对开放问题有很强的自学与拆解能力，善于团队协作，沟通主动。
- 加分项具有端到端智能辅助驾驶（如UniAD、VAD等）或规划决策模块的实际研发经验。
- 在机器人/智能辅助驾驶领域有丰富的强化学习落地经验，曾设计并调优复杂奖励函数。
- 在CVPR、ICRA、NeurIPS等顶级会议发表过规划或决策相关论文。
岗位描述
负责端到端规划模型纵向驾驶能力的优化，覆盖起步，提速、保持车距、碰撞避免、防御性限速等关键场景，提升行驶安全与体验。
结合业务经验高效筛选目标场景数据，对模型进行监督微调，实现性能的精细迭代。
设计纵向决策的强化学习奖励函数，搭建RL训练与数据闭环，驱动模型持续进化。
跟进端到端智能辅助驾驶前沿技术，参与算法在量产平台上的部署与落地。
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。