百度
实习北京市 · 实习 · 硕士
长期有效
【岗位职责】
-自动驾驶决策/规划/控制模块架构设计与开发
-自动驾驶决策/规划/控制模块已有算法维护、优化与新算法设计、实现
-负责自动驾驶相关算法的上线部署、效果追踪、工程落地，保证算法的鲁棒性和计算性能
-与上下游模块协作完成系统集成与调试，定位分析，解决实际问题
【任职要求】
-研究生在读，数学，计算机，人工智能，自动化，电子工程等相关专业
-熟练掌握C++、Python等编程语言，熟悉常见数据结构和算法，有Linux平台下开发经验
-学习能力强，具备团队协作精神，有较好的沟通表达能力
-熟悉传统的规划或者轨迹生成算法，例如Hybrid A*、EM planner等
-熟悉最优化理论、熟练使用ilqr算法、几何学等数学基础并有应用理论解决实际问题的经验
-熟悉常用决策算法，例如有限状态机、MDP、POMDP等
-熟悉常见控制算法，例如PID、MPC、LQR等
-熟悉PyTorch/TensorFlow框架，熟练掌握深度强化学习（DRL）、模仿学习（Imitation Learning）等方法的理论与实践
-无人车/无人机/机器人等相关项目经验
-机器人赛事获奖经历
-在CoRL、ICRA、IROS、IV等机器人/自动驾驶顶会发表决策规划相关论文
-有ACM/ICPC大学生程序设计竞赛或者其他编程竞赛获奖经历
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
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）
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
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
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
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
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。