蔚来
校招提前批-座舱大模型后训练/Agentic 算法工程师
上海/北京 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 研究生及以上学历，计算机、人工智能、自动化、信号处理、数学等相关专业，具备扎实的机器学习与 NLP 基础。
- 具备LLM 后训练相关科研或项目经验，熟悉 Reward Modeling、Preference Learning、On-policy Distillation、RLHF / RLVR 等训练流程。
- 熟练掌握 Python、Java、TypeScript、JsonScript 等至少一门编程语言，具备良好的工程实现能力。
- 熟悉 LLM Agent 与 Agent Harness 技术体系，理解 ReAct、Function Calling、Tool Integrated Reasoning、Reflection、Memory、Planning、多轮交互等范式。
- 熟悉 PPO、GRPO、DAPO 等 LLM RL 算法原理，了解 Agentic RL、长程任务学习、稀疏奖励建模、轨迹级优化等方向。
- 熟悉 Verl、Slime、ms-swift、OpenRLHF、TRL 等训练或强化学习框架，了解分布式训练、推理服务和评测 infra 者优先。
- 具备较强的论文跟踪、技术复现和工程落地能力，有车载语音助手、智能座舱、Voice Agent、多模态交互、高水平论文或开源项目经验者优先。
岗位描述
- 1. 面向智能座舱与车载交互场景，探索大语言模型与 Agent 在真实产品中的应用，负责车载对话系统、任务型助手、多轮交互Agent等方向的研究、训练优化、效果评估与产品迭代。
- 2. 跟踪并复现 LLM 后训练与 Agentic Training 前沿技术，包括 On-policy Distillation、Agentic RL、RLHF / RLVR 等，推动其在车载智能体、复杂任务执行、多工具调用和多轮推理决策中的落地。
- 3. 参与构建 Agent 能力增强所需的训练与交互环境，包括 Tool 系统、User Simulator、World Model、Reward Function、Agent Harness、任务编排与自动化评测框架等。
- 4. 基于实车交互数据和线上反馈，进行问题挖掘、错误归因与方案优化，建设数据生产、模型训练、离线评测、在线分析和失败案例回流的闭环体系，推动大模型能力从“可用”走向“好用、可靠、可持续进化”。
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。