蔚来
实习蔚来AGI超星计划-NOMI AI体验研究
上海/北京 · 实习 · 2027 届 · 博士
长期有效
任职要求
- 【学历及专业】
- - 海内外顶尖高校硕士/博士在读，或极其优秀的本科生。
- - 计算机科学、人工智能、人机交互（HCI）、认知心理学、语言学、社会学、工业设计（偏计算/技术设计）等相关专业。
- 【核心专业能力】
- - 体验Sense： 具备优秀的用户同理心与交互设计Sense。
- - 熟练使用各种AI工具：热爱并经常使用各种前沿AI工具（如 claudecode / stitch 等）快速构建体验原型。
- 【软性素质】
- - 极度热爱： 对 AI 改变世界抱有极大热情，对“智能座舱 / 机器人 / 数字人”领域充满好奇。
- - 探索精神： 面对未知领域，具备极强的自我驱动力、快速学习能力和解决复杂问题的韧性。
- - 良好的逻辑思维与跨团队沟通表达能力。
岗位描述
方向一：NOMI 情感智能引擎
目标：赋予机器“灵魂”，实现具身情感表达。
- - 框架建设：探索并构建面向具身体的智能情感表达框架。
- - 体验落地设计：研究前沿多模态AI技术在NOMI情感计算与交互中的落地应用。
- - 评估与高质量数据构造：主导高质量、多维度的情感交互数据构造，为模型训练和体验评估奠定基石。
方向二：座舱AI交互体系
目标：重塑座舱体验，定义AI原生交互范式。
- - 研究并设计下一代AI原生（AI-Native）的座舱交互框架和评估体系。
- - 探索大模型在座舱全场景中的交互应用创新。结合AIGC前沿技术（如生图、动态界面、动态表情等），打造突破常规的座舱视觉与交互体验框架。
方向三：NOMI 智能体框架和办事能力定义
- - 定义Agent体验：攻坚意图理解、长文本上下文、任务分解与规划（Task Planning）及工具调用（Tool Use）等核心节点。
- - 评估与高质量数据构造：从用户体验出发，构造优质体验数据和评估体系。
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。