蔚来
校招Super Sparks-校招-座舱智能体评测和数据闭环算法研究员
北京/上海 · 校招 · 2027 届 · 博士
长期有效
任职要求
- -博士及以上学历。
- -深度深耕智能座舱高景气赛道，系统掌握大模型 Agent 推理规划、LLM 评测范式、数据飞轮构建等前沿技术栈，锻炼从指标设计到系统落地的全链路工程能力与科研思维。
- -适合人工智能、计算机、车辆工程等相关专业学生参与，成果可支撑学术论文、开源项目等多元产出。
岗位描述
智能座舱正从传统语音助手向具备自主规划、跨域调度、长程执行能力的大模型智能体（如蔚来 NOMI）加速代际跃迁，已成为下一代汽车体验竞争的核心高地。但通用 Agent 评测体系完全无法适配车载场景的强约束特性：车控指令直接关联驾驶安全，存在刚性安全红线；交互高度依赖车辆状态、出行场景上下文，模糊省略式表达占比远高于通用场景；跨车控、导航、生活服务的复杂长任务，始终缺乏统一的量化评判标准。
当前行业体验优化高度依赖人工路测，迭代效率极低，且尚无公认的中文车载 Agent 评测基准，是制约座舱智能体落地的核心卡脖子问题。本课题直击产业真痛点，兼具前沿学术探索价值与工业落地意义，挑战与成长空间并存。
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。