算法实习生-红绿灯/小物体感知-6个月

优缺点分析

角色解读

• 积累自动驾驶感知算法实战经验，可向高级算法工程师或研究员发展
• 深入多模态大模型技术，未来可转向AI研究员或算法专家
• 表现优异有机会转正，进入自动驾驶行业核心岗位
• 开发红绿灯和路面异常障碍物的多模态感知算法，涉及3D检测、BEV、OCC等前沿方向
• 探索多模态大模型（MLLM）在自动驾驶场景的微调训练，包括SFT、CoT、GRPO等技术
• 研究开集检测、端到端检测（DETR-like）及3D GS在检测中的应用
• 扎实的深度学习与计算机视觉基础，熟悉常见检测算法
• 熟练使用Python和PyTorch，了解大模型相关框架
• 具备独立解决问题和快速学习的能力，良好的沟通协作能力

申请策略

• 关注小马智行的技术博客和公开演讲，了解其技术方向
• 在简历中展示对自动驾驶的热情，如相关竞赛或开源贡献
• 突出深度学习项目经验，尤其是计算机视觉相关（检测、分割等）
• 如有3D检测、BEV、OCC或大模型微调经验，务必重点描述
• 强调编程能力，特别是Python和PyTorch的使用熟练度
• 提前学习3D检测、BEV、OCC相关论文和开源代码
• 熟悉大模型微调技术，如LoRA、SFT等，并动手实践

面试指南

• 技术问题：先阐述核心概念，再结合项目经验说明应用场景，最后提出自己的思考
• 项目经验：使用STAR法则（情境、任务、行动、结果）清晰描述
• 请解释BEV感知的原理及其在自动驾驶中的优势
• 你如何理解多模态大模型？请举例说明其在自动驾驶中的应用
• 描述一个你独立解决的深度学习项目，遇到了哪些挑战？
• 你对3D检测中的DETR-like方法有什么了解？
• 如何评估一个感知模型的性能？
• 复习深度学习基础，特别是CNN、Transformer、检测算法（如Faster R-CNN、DETR）