蔚来
校招提前批-AI大模型软件平台开发工程师（AI Safety方向）
上海 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 深度学习与系统软件双重功底 ：精通 PyTorch / TensorFlow，深入理解目标检测、语义分割、时序模型等主流架构；同时具备扎实的操作系统基础（进程调度、内存管理、中断处理、IPC）。
- 嵌入式系统开发能力 ：熟练使用 C/C++，有嵌入式 Linux 或 RTOS（如 QNX、FreeRTOS）开发经验，了解 ARM Cortex-A / DSP 平台的异构计算架构与系统级优化。
- 推理加速工具链 ：熟练掌握 TensorRT / ONNX Runtime / TVM 中至少一种，有模型转换、算子融合、图优化的实战经验。
- 模型压缩落地经验 ：有量化、剪枝、蒸馏等技术的工程实践，理解其在嵌入式场景下的精度-性能权衡。
岗位描述
- 1. AI 原生系统能力构建
- - 将 AI 推理能力嵌入操作系统底层，设计并实现 AI 推理运行时（Inference Runtime） ，为上层智能辅助驾驶、座舱等应用提供统一的模型加载、执行与资源管理接口。
- - 探索 半监督/自监督学习 在系统层的应用，利用车载传感器产生的海量无标注数据持续优化系统行为模型（如智能任务调度、预测性资源分配）。
- 2. 模型极致压缩与系统级优化
- - 综合运用 量化（INT8/INT4）、剪枝、知识蒸馏 等技术，将 AI 模型压缩至车端可运行规模，确保在嵌入式资源约束下高效执行。
- - 结合操作系统内存管理、DMA、共享内存等机制，优化模型加载与推理过程中的内存占用与数据搬运开销。
- 3. 异构推理引擎适配与加速
- - 使用 TensorRT、ONNX Runtime、TVM 等推理引擎完成模型转换与算子级加速，针对车载异构计算架构（GPU/DLA/CPU/NPU）进行推理任务的最优映射。
- - 设计 推理任务调度策略 ，在实时性、功耗、吞吐量之间实现动态平衡，保障安全关键任务的确定性延迟。
- 4. 推理安全性与系统降级设计
- - 设计模型输出的 置信度校准 机制，确保系统层对 AI 推理结果的可信度有量化感知。
- - 构建 分级安全降级策略（fallback logic） ：当推理置信度不足或检测到异常时，触发操作系统级降级响应（如切换至规则兜底、降级运行模式、安全停车），保障系统在 AI 失效场景下的确定性安全。
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。