Momenta
实习端到端决策规划算法工程师(Mstar)
北京/上海/苏州 · 实习 · 2027 届 · 博士
长期有效
任职要求
- 计算机、人工智能等相关专业硕士/博士应届毕业生
- 必须具备Flow Matching相关经验
- 深入理解后训练核心范式，对以下概念有实质性认知：
- - On-Policy Vs Off-policy采样的本质区别
- - Dense vs Sparse Reward对训练效果与收敛的影响
- 在以下至少一个方向有研究或工程实践经验：
- - RL后训练（PPO、GRPO、RLHF 等）
- - On-policy/Sequence-level蒸馏（GKD、MiniLLM、DAGGER 相关方法）
- 熟悉至少一种主流训练框架（VeRL、Megatron-LM、DeepSpeed、vLLM等）
- 有顶会论文（NeurIPS、ICML、ICLR等）或相关方向实习经历者优先。
- 加分项
- 同时具备Flow Matching与RL经验
- 同时具备RL与蒸馏两个方向经验
- 有Reward Model、Value Model或Token-level Scoring相关研究经验
- 对自动驾驶决策、具身智能或物理AI场景有了解，理解驾驶轨迹数据与通用NLP数据的本质差异。
岗位描述
- 1、面向端到端自动驾驶大模型，研究并落地RL、On-policy Distillation等后训练范式，提升模型在复杂驾驶场景下的决策质量与泛化能力；
- 2、结合Momenta海量量产真实路测数据，设计数据闭环驱动的后训练策略，加速模型在长尾驾驶场景中的能力提升；
- 3、对比和融合SFT、RL、On-policy Distillation等范式，针对驾驶决策任务的特殊性设计最优后训练方案；
- 4、结合分布式训练框架优化后训练系统效率，推动模型从研究到量产的快速迭代；
- 5、追踪并复现LLM、端到端自动驾驶领域最新研究成果。
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。