小鹏汽车
校招【27届校招】底盘应用软件培训生（AI软件方向）
上海 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 本科及以上学历，计算机科学、人工智能、数据科学、统计学、自动化等相关专业优先。
- 熟练掌握Python编程，熟悉SQL数据查询，了解Pandas、NumPy等数据处理工具，具备基础的数据分析与可视化能力。
- 了解机器学习基本概念，熟悉TensorFlow/PyTorch等任一深度学习框架，或接触过数据标注、特征工程相关项目者优先。
- 具备扎实的数学基础与逻辑思维，对智能汽车、智能底盘领域有浓厚兴趣，愿意深耕AI数据与底盘控制的交叉领域。
- 拥有良好的沟通协作能力、快速学习能力与责任心，能适应项目迭代节奏，乐于解决实际技术问题。
岗位描述
- 1. 负责智能底盘多模态数据处理，涵盖路面图像、车辆动力学等数据的采集、清洗、标注与预处理，搭建高质量数据资源库，支撑主动悬架、转向控制等核心场景算法训练。
- 2. 参与数据标注体系搭建，制定底盘专属数据标注规则与质量标准，开发自动化质检工具，优化数据标注标注等流程，降低人工成本并保障数据一致性。
- 3. 开展数据挖掘与特征工程，分析复杂路况（如坑洼、、冰雪路面、积水、隧道进出口）下的数据分布规律，提取路面高程、附着系数等关键特征，为底盘控制算法优化提供数据支撑。
- 4. 协助构建数据闭环系统，打通标注数据、算法训练、仿真测试的反馈链路，通过bad case分析推动模型迭代，提升智能底盘在全天候场景下的鲁棒性。
- 5. 协同算法与底盘工程团队，参与实车路测数据验证，将驾乘体验反馈转化为可量化的数据优化目标，助力感知-底盘融合控制策略落地。
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。