【北斗】自动驾驶算法系统研究员

北京 · 校招 · 2027 届 · 本科

长期有效

前往官方投递页 →

任职要求

【岗位要求】
1.计算机、人工智能、自动化、电子工程等相关专业本科及以上学历，具备扎实的计算机系统、机器学习与工程基础；
2.在 AI Infra、分布式训练、自动驾驶、基础模型（Foundation Model）、高性能计算（HPC）或大规模机器学习系统方向具有丰富研发经验；
3.熟悉深度学习训练与推理框架，熟悉 GPU / SOC 架构与性能优化，具备 CUDA Kernel、算子优化、显存优化、编译加速或推理部署优化；
4.熟悉分布式训练体系与大规模集群优化，包括数据并行、模型并行、流水线并行、混合并行、多机通信优化及资源调度等方向；
5.熟悉自动驾驶算法体系，理解感知、预测、规划、端到端模型或世界模型等方向的核心技术架构与工程挑战；
6.具备优秀的跨团队协作与技术领导能力，能够主导复杂项目推进，并影响多团队技术方向与工程实践。
加分项：
1.有开源项目贡献、顶会论文或行业影响力成果；
2.有 AI Agent、自动化研发平台或 AI Native Workflow 建设经验。
【为什么是我们】
1.深度参与下一代自动驾驶基础模型（Foundation Model）与 AI Native 自动驾驶体系建设，探索多模态大模型、世界模型（World Model）、强化学习与生成式 AI 在真实复杂场景中的产业化落地；
2.面向千万级数据规模与超大规模算力集群，建设业界领先的 AI Infra 平台，覆盖数据闭环、分布式训练、仿真验证、模型部署与持续迭代全链路；
3.深度参与云端训练与车端部署协同优化，接触 GPU / SOC / 编译器 / 推理引擎等完整技术栈，推动模型在真实量产环境中的性能与效率突破；
4.有机会从 0到1 定义自动驾驶时代的新一代研发范式，包括 Agent 驱动开发、自动化数据生产、AI-assisted 研发流程与模型迭代体系；
5.与顶尖 AI、自动驾驶、系统软件、芯片及云计算团队协同工作，在多学科交叉环境中解决真实世界复杂工程问题。

岗位描述

【岗位职责】

【愿景】

美团是中国领先的生活服务科技平台，拥有覆盖数千万商户与数亿用户的真实履约网络。美团无人车是国内率先实现城市道路无人配送规模化运营的团队，累计完成超百万订单的真实配送里程。我们正在推动无人车感知系统从模块化架构向端到端智能架构的代际跃迁——让无人车从"按规则行驶"进化为"像人一样看懂世界、自主决策"。

【岗位职责】

1.负责下一代自动驾驶 AI Infra 与基础模型体系建设，探索并落地多模态大模型、生成式模型、强化学习、世界模型（World Model）、视觉语言模型（VLM）等前沿技术在自动驾驶场景中的应用；
2.主导自动驾驶算法与 AI 系统架构设计，包括训练框架、数据闭环、推理引擎、模型部署、端云协同及软硬件协同优化，构建面向大规模量产的 AI 基础设施；
3.参与构建大规模模型训练与迭代平台，涵盖分布式训练、多机高速通信、训练算子优化、混合并行、显存优化、编译加速及异构计算资源调度等关键能力；
4.参与自动驾驶数据与模型迭代闭环建设，推动数据挖掘、自动标注、仿真生成、模型评测、持续训练（Continuous Training）与自动化回灌体系建设，加速算法迭代效率；
5.参与大规模云计算与仿真平台建设，打造支持千万级场景生成、海量数据回放、云端仿真与大规模并行验证的新一代 Simulation Infra。

【任职要求】

【岗位要求】

1.计算机、人工智能、自动化、电子工程等相关专业本科及以上学历，具备扎实的计算机系统、机器学习与工程基础；
2.在 AI Infra、分布式训练、自动驾驶、基础模型（Foundation Model）、高性能计算（HPC）或大规模机器学习系统方向具有丰富研发经验；
3.熟悉深度学习训练与推理框架，熟悉 GPU / SOC 架构与性能优化，具备 CUDA Kernel、算子优化、显存优化、编译加速或推理部署优化；
4.熟悉分布式训练体系与大规模集群优化，包括数据并行、模型并行、流水线并行、混合并行、多机通信优化及资源调度等方向；
5.熟悉自动驾驶算法体系，理解感知、预测、规划、端到端模型或世界模型等方向的核心技术架构与工程挑战；
6.具备优秀的跨团队协作与技术领导能力，能够主导复杂项目推进，并影响多团队技术方向与工程实践。

加分项：

1.有开源项目贡献、顶会论文或行业影响力成果；
2.有 AI Agent、自动化研发平台或 AI Native Workflow 建设经验。

【为什么是我们】

1.深度参与下一代自动驾驶基础模型（Foundation Model）与 AI Native 自动驾驶体系建设，探索多模态大模型、世界模型（World Model）、强化学习与生成式 AI 在真实复杂场景中的产业化落地；
2.面向千万级数据规模与超大规模算力集群，建设业界领先的 AI Infra 平台，覆盖数据闭环、分布式训练、仿真验证、模型部署与持续迭代全链路；
3.深度参与云端训练与车端部署协同优化，接触 GPU / SOC / 编译器 / 推理引擎等完整技术栈，推动模型在真实量产环境中的性能与效率突破；
4.有机会从 0到1 定义自动驾驶时代的新一代研发范式，包括 Agent 驱动开发、自动化数据生产、AI-assisted 研发流程与模型迭代体系；
5.与顶尖 AI、自动驾驶、系统软件、芯片及云计算团队协同工作，在多学科交叉环境中解决真实世界复杂工程问题。

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

登录后分析我的简历

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）

类型专业能力·难度困难

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

类型项目经历·难度中等

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

类型专业能力·难度简单

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

类型专业能力·难度中等

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

类型情景/案例·难度中等

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。

前往官方投递页 →