小鹏汽车
校招【27届校招】多模态人机交互算法工程师/研究员
深圳/上海/北京 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 计算机、人工智能、自动化、机器人、电子信息等相关专业，本科及以上学历。
- 熟悉语音、计算机视觉、自然语言处理、多模态学习或人机交互中的一种或多种技术方向。
- 对多模态信息融合、对话系统、意图识别、智能体规划或动作生成具备扎实的理论基础和实践经验。
- 熟练掌握 Python、C++、PyTorch 等开发工具，具备良好的算法开发、工程实现及系统调试能力。
- 具备真实场景算法落地经验，能够针对噪声、时延、算力限制和传感器误差等问题进行系统性优化。
- 具备良好的产品意识、用户体验意识和跨团队协作能力，能够从实际交互效果出发推动算法迭代。
- 加分项
- 有机器人、人机交互、智能音箱、数字人、车载交互或多模态智能体项目经验。
- 熟悉 ASR、TTS、VAD、声源定位、视觉语言模型、对话大模型或生成式动作模型。
- 熟悉 ROS/ROS 2、机器人传感器及感知—决策—控制系统。
- 有端侧部署、实时音视频处理、模型量化或推理加速经验。
- 在 HRI、多模态学习、语音、视觉或自然语言处理相关领域发表过高水平论文。
岗位描述
- 1、机器人自然交互算法研发：面向通用人形机器人及真实物理世界场景，研发融合语音、视觉、文本、表情、手势、姿态和动作的多模态交互算法，打造自然、实时、主动且具有人格一致性的机器人交互体验。
- 2、多模态感知与意图理解：研究复杂环境下的语音识别、声源定位、说话人识别、视觉感知、行为理解、情绪识别及多模态意图融合，实现机器人对“谁在说、对谁说、表达什么、希望机器人做什么”的准确判断。
- 3、对话决策与行为生成：构建面向真实场景的多轮对话、任务规划、记忆管理与交互决策系统，研究语言、表情、注视、手势及全身动作的协同生成，提升机器人交互的连贯性、拟人性与任务完成能力。
- 4、复杂场景交互与智能体建设：针对家庭、商业服务、工业等开放场景，解决多人交互、远近场交互、噪声干扰、指代消解、空间关系理解及动态打断等问题，构建具备环境认知和持续交互能力的机器人智能体。
- 5、系统集成与端侧部署：与大模型、感知、运动控制、硬件及测试团队紧密协作，推动交互算法与机器人软硬件系统深度集成；持续优化端侧推理性能、交互时延、系统稳定性及用户体验。
- 6、数据闭环与效果评估：建立机器人交互数据采集、标注、训练、评测和线上迭代体系，设计任务成功率、意图识别准确率、响应时延、自然度及用户满意度等评估指标，推动算法持续迭代。
- 7、技术影响力建设：跟进人机交互、多模态大模型及具身智能领域的最新进展，通过技术创新和系统落地，形成具有行业竞争力的机器人交互解决方案。
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。