小鹏汽车
校招【27届校招】VLA自动驾驶算法工程师
上海/广州/北京/深圳 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 二、任职要求
- 学历基础：计算机、人工智能、自动化、数学等相关专业硕士及以上学历，具备扎实的深度学习与强化学习数理功底。
- 大模型能力：精通VLM/VLA端到端自动驾驶模型原理与全栈开发，熟悉大模型跨域泛化、微调蒸馏技术，有智驾大模型落地经验优先。
- 强化学习能力：熟练掌握PPO、DPO、GRPO等算法，具备用强化学习解决问题的实战经验，有智驾/机器人项目量产落地经历。
- 自动驾驶认知：熟悉自动驾驶感知、预测、规划、控制全链路逻辑，兼具传统模块化与端到端模型研发认知。
- 工程与综合能力：熟练使用PyTorch，掌握分布式训练、模型优化、车载部署等工程能力；具备良好的逻辑攻坚、跨团队协作与项目推进能力，有技术带队经验优先。
- 三、加分项
- 有智驾VLA模型海外泛化、全球化适配、出海量产核心项目经验
- 深耕跨域泛化、迁移学习、稀疏场景补齐方向，有相关落地成果
- 参与过自动驾驶全球化技术路线、算法体系标准搭建
- 拥有顶会论文、核心技术专利成果。
岗位描述
业务方向：自动驾驶通用智能、海外出海量产
岗位简介：聚焦端到端自动驾驶 VLM/VLA 大模型研发，重点解决模型海外跨地域泛化难题，攻克海内外路况、交规、驾驶习惯、气候地貌差异导致的域偏移、鲁棒性差、长尾场景失效等核心问题，负责算法研发、迭代优化与海外量产落地。
- 一、主要职责
- 1、VLA大模型海外泛化研发：负责自动驾驶VLA/VLM端到端算法设计与迭代，针对海外多地域场景差异，优化模型环境认知、障碍物识别、行为预测与轨迹生成能力，解决跨域适配、认知偏差等核心问题。
- 2、强化学习跨域优化落地：基于PPO、DPO、GRPO等主流强化学习算法，搭建海外场景专属训练方案，完成跨域奖励设计、分布式训练、模型调优，提升模型海外复杂场景、恶劣天气、小众交通场景的泛化能力与稳定性。
- 3、全流程量产落地：主导算法从海外数据闭环、仿真适配、模型验证到实车测试、部署迭代的全流程工作，攻克海外样本稀疏、域迁移难、推理不稳定等工程问题，支撑业务规模化出海。
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。