蔚来
校招提前批-数据工程算法工程师
上海 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 一、核心硬性要求
- 学历背景：2027届应届硕士，人工智能、计算机科学与技术、大数据、自动化、电子信息、软件工程等相关专业。
- 理论功底：扎实掌握深度学习、大模型基础原理、数据挖掘、语义理解、图像处理等核心知识，熟悉VLM/LLM通用能力与微调特性，了解智能辅助驾驶、车控基础场景逻辑。
- 工程能力：熟练使用Python进行数据算法开发，熟悉主流深度学习框架，具备数据集处理、数据清洗、特征挖掘、模型推理开发经验，具备工程化Pipeline搭建与调优能力。
- 二、高阶优先条件
- 有VLM/LLM大模型应用、语义挖掘、多模态数据处理相关项目、科研经历者优先
- 有智能辅助驾驶、车控场景、感知场景数据集建设、数据Pipeline搭建经验者优先
- 熟悉自动化数据标注、场景聚类、主动学习数据筛选、大模型微调与推理优化技术者优先。
岗位描述
- 1、大模型驱动车控场景语义挖掘：基于VLM视觉大模型、LLM语言大模型，研究适配车控场景的自动化数据语义解析、标签挖掘、场景分类与内容提纯算法，实现海量原始车控数据的高质量、智能化清洗与结构化提炼。
- 2、车控场景数据集Pipeline搭建与迭代：设计并构建标准化、自动化、可迭代的车控场景数据生产Pipeline，覆盖数据筛选、语义标注、质量校验、场景聚类、样本增量更新全流程，支撑算法高频迭代与场景库持续扩充。
- 3、负责数据算法优化、Pipeline性能调优、数据质量体系搭建，持续提升车控数据利用率与场景覆盖度，支撑智能车控、多模态感知算法的训练与落地迭代。
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。