蔚来
实习实习-AI研究员-大语言模型/视觉语言模型算法与后训练（博士优先）
上海 · 实习 · 2027 届 · 博士
长期有效
任职要求
- 角色与职责：
- 训练后与对齐： 设计并实施最先进的对齐策略，包括监督微调（SFT）、基于人类/AI反馈的强化学习（RLHF/RLAIF）和直接偏好优化（DPO）。
- 多模态推理： 开发用于视觉-语言-动作（VLA） 模型的新型架构，重点关注高效的标记化、跨模态对齐以及具身智能体的物理推理。
- 知识基础与RAG： 构建高级检索增强生成（RAG） 系统和长上下文记忆结构，将动态知识库与大语言模型推理相结合。
- 算法评估： 构建强大的评估框架和“大语言模型即裁判”框架，以衡量模型在汽车领域的事实性、推理能力和安全防护措施。
- 研究领导力： 确定有影响力的研究问题，执行独立的研究计划，并通过顶级出版物（NeurIPS、ICLR、CVPR）和专利为学界做出贡献。
- 必备条件：
- 计算机科学、机器学习、AI或相关定量领域的博士学位 。
- 在基础模型领域有出色的研究成果，专注于基于Transformer的架构及其算法变体。
- 在训练后方法方面有深厚的专业知识，包括指令微调、偏好建模和奖励函数设计。
- 开发多模态模型 （例如，将视觉/视频编码器与语言解码器对齐）的实践经验。
- 熟练掌握Python 和深度学习框架，如PyTorch、JAX或Flax。
- 具备编写简洁、可复用的研究代码，并在大规模数据集上执行复杂实验的能力。
- 优先资格：
- 顶级会议的第一作者出版物（例如，NeurIPS、ICML、ICLR、CVPR、ACL）。
- 有智能体工作流、工具使用模拟或多轮交互式环境测试的经验。
- 熟悉参数高效微调（PEFT） 技术（例如，LoRA、QLoRA、适配器）和模型蒸馏。
- 具备将前沿模型应用于对可靠性和安全性要求较高的专业领域的经验。
岗位描述
我们正在寻找杰出的AI研究科学家 ，以推动模型智能和多模态推理的边界。
这个职位处于基础模型研究和现实世界具身AI的交叉点。
你将专注于大语言模型（LLMs） 和视觉语言模型（VLMs）的算法生命周期，专长于训练后对齐、多模态融合和基于知识的推理。
作为AI研究团队的一员，你将超越静态预训练，构建具有上下文感知、可引导性和事实依据的模型。
你将开发用于对齐和推理的新颖算法，使我们的车辆不仅能够“看见”，还能理解物理世界并与之交互。
这是一个开展顶级研究的独特机会，同时你将见证自己的算法突破为下一代智能汽车系统的“大脑”提供动力。
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。