蔚来
校招提前批-AI视觉模型开发工程师
上海 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 2027届硕士及以上学历，人工智能、计算机视觉、机器学习、计算机科学、电子信息等相关专业
- 扎实掌握机器学习、深度学习基础理论，熟悉CNN、Transformer等主流视觉网络结构
- 熟练使用Python，精通PyTorch/TensorFlow任意一种深度学习框架，具备独立模型训练、调优经验
- 熟悉OpenCV、图像处理基础，有图像增强、目标检测、视觉生成等相关项目经验者优先
- 了解模型量化、终端推理部署流程，有NPU/端侧模型部署经验者加分
- 具备良好的科研思维和问题解决能力，热爱计算机视觉领域，愿意长期深耕影像AI方向。
岗位描述
负责AI视觉算法模型的调研、设计、训练与迭代，涵盖图像分类、目标检测、图像超分、夜景增强、语义分割等视觉相关模型研发；
针对终端设备算力、功耗限制，完成模型轻量化、量化、剪枝、蒸馏等优化工作，保障模型在终端高效部署运行；
构建、清洗、扩充视觉数据集，优化数据增强策略，提升模型精度、鲁棒性和泛化能力；
配合ISP、Camera软件团队完成模型落地联调，解决模型部署、运行适配问题，迭代优化智能影像体验。
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。