蔚来
校招Super Sparks-校招-AI大模型应用研究员/工程师
上海/圣何塞 · 校招 · 2027 届 · 博士
长期有效
任职要求
- -硕士及以上学历（博士优先），人工智能、计算机科学、自动化、车辆工程、电子信息等相关专业
- 深入理解深度学习原理与主流框架（PyTorch、TensorFlow、ONNX 等）
- -熟悉大模型（LLM/VLM/VLA）的模型结构与训练/微调/部署全流程
- -熟悉模型优化与部署技术（量化、剪枝、蒸馏、边缘端推理优化等）
- -具备端侧/嵌入式 AI 推理经验（ARM A 核、DSP、NPU 优先）
- -熟悉嵌入式 Linux、RTOS 或 QNX 等操作系统
- 有大模型应用开发经验（RAG、Prompt Engineering、Function Calling、AI Agent 等）者优先
- -有 VLA 大模型（如 RT-2、OpenVLA、Groot、pi0 等）应用经验者优先
- -对具身智能、AI Agent、AI 原生应用等前沿方向有浓厚兴趣和实际项目经验者优先
- -在顶会（NeurIPS、ICLR、CVPR、ICRA、CoRL 等）发表过大模型或具身智能相关论文者优先
- -具备持续学习和创新精神，能够自主、高效地推动技术落地。
岗位描述
大模型在车端的 AI 原生落地
-将大模型（LLM/VLM/VLA）原生部署到车规级 SoC 上，进行推理优化与性能调优（包括低功耗优化、量化、剪枝、蒸馏等），实现端侧 AI 的实时响应；
-针对操作系统和中间件层深度优化 AI 推理引擎，提升大模型在车端运行的实时性与稳定性；
-探索 具身智能 场景下的大模型应用，将 VLA 模型的能力注入车端物理系统，实现环境理解、任务分解与动作生成的端到端闭环。
AI 原生的车控与 SOA 智能化
-将大模型能力原生应用于车控系统、车身控制等业务场景，打造 AI 驱动的智能控制与交互体验；
-参与 SOA 架构下的 AI 原生智能服务开发，设计基于大模型的算法组件封装与服务编排；
-构建 AI Agent 在车载场景中的应用框架，实现基于大模型的自主决策、多轮交互与工具调用。
车云协同与大模型数据智能
-设计并优化车云协同的大模型推理架构（端侧小模型 + 云端大模型协同调度），优化通信协议与数据处理链路；
-参与车端数据上云后的 AI 智能分析与挖掘（如故障预测、驾驶行为分析、能耗优化等），构建大模型驱动的数据闭环。
前沿技术探索与创新
-与操作系统、中间件、车云互联等团队紧密配合，推动大模型技术在整车控制链路中的全面应用；
-跟踪 AI 与大模型领域的最新技术趋势（如多模态大模型、具身智能、AI Agent、RAG 等），开展前沿技术验证与落地。
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。