蔚来
校招提前批-AI 智能平台研发工程师
北京 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 背景： 计算机、软件工程、人工智能等相关专业，本科及以上学历（硕优先），热爱且极度关注 AI 领域的前沿发展
- 编程基础扎实： 熟练掌握 Python，具备良好的数据结构与算法基础
- AI 技术栈： 熟悉大语言模型的基本原理，掌握 Prompt Engineering 技巧；了解或使用过 LangChain、Langgraph 、Dify 等 AI 应用开发框架，对 RAG（检索增强生成）、Agent 架构有一定认知
- 工程与 DevOps 意识： 熟悉 Linux 环境及 Git 版本控制，了解软件测试基础，对 CI/CD（如 GitLab CI, GitHub Actions, Jenkins）有基本概念或实操经验
- 软技能： 具备极强的技术好奇心和自我驱动力，优秀的英文阅读能力（能无障碍阅读前沿 Paper 和官方原版文档），良好的沟通表达与团队协作能力；对AI方向有浓厚兴趣，并能主动探索创新。
岗位描述
AI Agent 业务赋能： 参与基于 LLM 的 AI Agent 应用设计与开发，结合具体业务场景（如视频图像打标、数据BI等）构建智能体，切实提升业务运转效率；
AI 应用平台建设：构建领先的agent平台框架、RAG知识中心、向量检索、模型微调SFT等服务，为上层AI应用提供强大AI基座。
前沿技术调研与 PoC： 持续追踪业界最前沿的 AI 技术动态与开源方案（如Dify, LangGraph 及其在 DevOps 领域的应用），撰写调研报告，并快速完成概念验证（PoC）开发；
效能工具工程化落地： 与资深工程师合作，将具有价值的 AI 创新点转化为稳定可靠的内部工具或平台功能，服务于全体研发团队。
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。