高级云端大模型算法工程师

优缺点分析

角色解读

• 技术深耕：向大模型、端到端自动驾驶等前沿领域进一步深入，成为领域专家
• 架构方向：逐步负责更大规模的云端算法架构设计与优化
• 管理方向：积累项目经验后，可向技术管理或团队负责人发展
• 负责构建无人机和手持设备场景下的云端大模型，提升产品智能化水平
• 研发基于端到端大模型的全自动标注算法，实现数据高效处理与挖掘
• 推动模型算法的工程化落地，确保量产数据得到高效处理
• 扎实的深度学习与计算机视觉基础，熟悉目标检测、分割、跟踪等经典任务
• 熟练使用C++、Python、Pytorch、ROS等开发工具，具备工程化能力
• 在自监督学习、多模态融合或VLM/VLA等方向有实际落地经验
• 具备独立算法研发和跨团队协作能力，有业务视角

申请策略

• 申请时强调对无人机和机器人AI的兴趣，展示与大疆技术方向匹配的过往经历
• 关注大疆在招聘官网上的具体团队方向，针对性投递
• 突出自监督/多模态融合或VLM/VLA的实际项目经验，附上量化成果
• 强调C++、Python、Pytorch、ROS等工程技能，并展示端到端项目的全流程能力
• 列出在目标检测、分割、跟踪等方向的深入研究成果，特别是解决高难度问题的经历
• 体现与工程团队协作和业务落地的能力，用具体案例说明
• 补充云端部署相关技能，如Docker、Kubernetes、模型压缩等，增强工程化能力
• 熟悉大模型（如LLM、VLM）最新进展，尝试在开源数据集上复现相关工作

面试指南

• 用STAR法则（情境-任务-行动-结果）结构化回答项目经验，突出自己的贡献和技术难点
• 对于开放式问题，先明确问题核心，然后从理论基础和实际经验两个层面展开，最后总结优缺点
• 工程类问题要兼顾算法效果和系统效率，给出量化的权衡方案
• 请介绍一个你负责的自监督学习项目，包括方法、挑战和最终效果
• 在目标检测领域，如何处理小目标或遮挡问题？请举例说明
• 如何设计一个云端全自动标注系统？需要考虑哪些工程因素？
• 你对多模态融合的理解？在项目中如何融合视觉和雷达数据？
• 谈谈你对大模型在机器人或无人机上应用的看法