小鹏汽车
实习具身大模型算法实习生（上海/深圳）
深圳/上海 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 【任职要求】
- 必备条件：
- 扎实的机器学习/深度学习基础，熟练掌握Python及PyTorch/TensorFlow框架
- 熟悉Linux开发环境，具备良好的工程代码能力与问题调试能力
- 具备良好的英文文献阅读能力，能快速理解并复现前沿算法
- 优先条件：
- 熟悉3D视觉与重建技术，如点云处理、NeRF、3DGS、COLMAP等
- 掌握人体参数化模型，如SMPL/SMPL-X、动作捕捉、动作生成等
- 有机器人真机开发经验、开源项目贡献或顶会论文发表经历
- 【我们提供】
- 充足的算力资源
- 丰富的机器人本体
- 有竞争力的实习津贴与转正机会
岗位描述
【基本信息】
实习时长：3个月以上，每周出勤4天及以上优先
工作地点：上海 / 深圳
面向对象：计算机/电子/自动化/数学等理工科方向在读本科或硕士
【岗位职责】
负责构建具身智能大模型的数据算法管线，包括多模态数据采集、清洗、标注、质量评估等全流程
探索高效的数据增强与合成方法，支持3D数据生成、SMPL人体参数化建模等方向
协同工程团队完成算法在机器人真机或仿真平台的部署与调试
跟踪CVPR/ICCV/CoRL等顶会前沿论文，复现创新算法并推动技术落地
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。