百度
校招上海-自动驾驶感知模型算法工程师(J100789)
上海市 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- -硕士及以上学历，计算机、自动化、电子工程、应用数学等相关专业
- -具备扎实的机器学习、深度学习理论基础，熟悉计算机视觉、点云处理相关算法，有BEV、Occupancy、多传感器融合等相关项目/实习经验优先
- -熟练掌握C++/Python编程语言，具备Linux环境下的开发能力，有良好的代码规范和工程实现能力
- -了解大语言模型、视觉语言模型的基本原理与训练方法，有相关实践经验优先
- -在CVPR、ICCV、ICRA、IROS等相关领域顶级会议/期刊发表论文者优先
- -具备良好的逻辑思维、问题解决能力和团队协作意识，对自动驾驶技术有强烈的兴趣和探索欲
岗位描述
【岗位职责】
-负责自动驾驶多模态感知算法的研发与优化，基于摄像头、激光雷达、4D毫米波雷达等传感器，设计并实现障碍物检测、语义分割、目标跟踪、BEV/OCC建模等核心算法
-探索多传感器融合、端到端感知、世界模型等前沿技术在自动驾驶场景的落地应用，提升复杂场景、极端场景下的感知鲁棒性
-构建感知算法的数据闭环体系，参与自动化数据采集、标注、质量评估体系的搭建，通过自监督/弱监督学习提升模型泛化能力
-与决策规划、系统工程等团队紧密配合，完成感知算法的工程化落地、性能优化与问题排查，支撑自动驾驶全场景落地需求
【任职要求】
-硕士及以上学历，计算机、自动化、电子工程、应用数学等相关专业
-具备扎实的机器学习、深度学习理论基础，熟悉计算机视觉、点云处理相关算法，有BEV、Occupancy、多传感器融合等相关项目/实习经验优先
-熟练掌握C++/Python编程语言，具备Linux环境下的开发能力，有良好的代码规范和工程实现能力
-了解大语言模型、视觉语言模型的基本原理与训练方法，有相关实践经验优先
-在CVPR、ICCV、ICRA、IROS等相关领域顶级会议/期刊发表论文者优先
-具备良好的逻辑思维、问题解决能力和团队协作意识，对自动驾驶技术有强烈的兴趣和探索欲
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。