蔚来
实习实习-端到端大模型算法实习生-世界模型预研
上海 · 实习 · 2027 届 · 博士
长期有效
任职要求
- 在读硕士或博士（计算机科学、电子工程、自动化、机器学习、机器人学等相关专业）
- 熟悉端到端模型的基本架构和训练方案，掌握轨迹规划和轨迹预测基本算法原理。
- 掌握强化学习（如PPO, GRPO算法）以及生成式算法（如自回归算法，扩散模型）的基本原理。
- 扎实的 Python 编程能力，能够熟练使用 PyTorch／TensorFlow 等深度学习框架。
- 扎实的论文调研阅读能力，能够跟踪业界的前沿进展并具备算法复现的能力。
- 对智能辅助驾驶系统有浓厚兴趣，具备良好的逻辑思维与算法背景。
- 加分项
- 有VLA, 强化学习具体项目经验者优先。
- 有使用扩散模型／生成模型（如 DDPM、Score Matching、Flow-matching）相关项目经验。
- 在顶会或顶级期刊（如 ICRA、ICCV、CVPR、NeurIPS、ICML等）发表过相关论文者优先。
岗位描述
设计并实现高性能高鲁棒性的端到端轨迹规划预测模型架构，应用部署到智能辅助驾驶系统当中。
深入研究面向智能辅助驾驶的端到端轨迹预测规划模型，调研业界最新科研进展，应用VLA, 强化学习, 扩散模型等技术，持续提升模型在各种复杂环境下的自主决策和规划能力，解决闭环和实车测试中的各种issue问题。
深入研究并改进端到端大模型的训练和评测流程，开发训练和评测基础设施，包括闭环训练，仿真评测等。
与感知、控制、多传感器融合、软件工程团队协作，将算法集成至车辆软件平台或仿真平台。
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。