蔚来
实习实习-智能辅助驾驶模型算法实习生 - 变道任务方向
上海 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 本科及以上学历，计算机、自动化、车辆工程、人工智能等相关专业
- 熟悉在 Linux 平台下的开发工作
- 有扎实的 Python 开发能力
- 有智能辅助驾驶规划/决策项目实践或科研经验；熟悉 PyTorch，有深度学习模型训练与调优经验；了解智能辅助驾驶规划领域前沿技术
- 熟练掌握AI工具辅助编程与算法开发
- 【加分项】
- 有「行为规划、决策网络、轨迹预测、意图识别、强化学习」相关经验者优先
- 熟悉 C++ / Lua 开发，有规则引擎或车端逻辑开发经验者优先
- 有模型发版、A/B测试、线上效果监控等工程实践经验
- 有相关顶会论文/期刊（CVPR/ICCV/ECCV/NeurIPS/ICRA/IROS等）
- 岗位亮点
- 深度参与智能辅助驾驶核心变道能力的模型研发与工程落地
- 覆盖算法研究 → 模型训练 → 发版测试 → 车端部署的全链路经验
- 与顶尖智能辅助驾驶工程师协作，推动技术在实际道路场景中规模化应用
岗位描述
参与研发planning模型变道任务相关算法研究及优化
负责模型变道性能相关的训练、调优与迭代，提升变道成功率、安全性与舒适性
针对变道场景（危险变道、超车换道、拥堵加塞等）进行模型专项优化
参与变道任务模型发版流程与基建完善
负责变道模型的版本管理、发版测试、仿真与实车效果监控
参与训练数据挖掘与筛选、评测系统优化，建立变道场景专项评测体系
探索端到端网络变道任务的应用落地
研究端到端变道规划方案，推动模型在车端部署与实车验证
负责变道场景 lua checker 开发
开发并维护变道任务相关的lua checker数据挖掘工具，保证挖掘出变道好行为与坏行为的准确率与召回率
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。