蔚来
实习蔚来AGI超星计划-AI Agent安全关键算法和系统研究
上海 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- - 对Transformer、大语言模型有扎实的理论基础和实践经验，对 Agent 应用开发框架和主流应用场景有了解。
- - 对AI安全领域有强烈兴趣，了解对抗攻击、数据投毒、联邦学习、Agent安全评估等概念。
- - 强大的系统性思维与问题定义能力：能够从复杂的现象中抽象出关键科学问题，并设计清晰的研究路径。
- - 硕士及以上在读，计算机专业或AI安全方向，已发表安全顶会论文者优先
- - 实习时长：不少于6个月。
岗位描述
课题介绍
本课题旨在应对智能网联汽车“全域Agent化”（智舱、智能辅助驾驶、智企）带来的根本性安全范式变革。传统基于规则和特征匹配的安全手段，在应对自主、动态、多Agent协同的复杂系统时已然失效。为此，我们提出并研究 “以AI守护AI” 的核心思想，即构建一个内生的、AI驱动的安全基座。该基座能像“免疫系统”一样，主动感知、理解、评估并响应Agent系统自身在运行中产生的风险。主要的问题场景如：
- - 智企场景：研发、办公、供应链等企业数字化环境中的Agent，面临权限滥用、数据泄露、决策幻觉及多Agent共谋等风险。
- - 智舱场景：多模态交互Agent面临对抗样本攻击（语音、视觉）、隐私泄露、伦理越界及服务滥用等风险。以及舱驾一体化场景下，规划决策Agent面临环境感知对抗、决策逻辑被诱骗、车云协同被干扰等新型安全挑战。
预期产出
- - 典型场景下的 AI安全风险建模，交付原型攻击/防御算法与系统模块
- - 交付具有开创性的研究报告或论文
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。