小马智行
深圳/广州算法实习生 - 多模态感知模型
深圳/广州算法实习生 - 多模态感知模型
发布于 1 天前实习/见习
广州市
无经验要求
实习生
仅现场办公
本科
深度学习
PyTorch
计算机视觉
自动驾驶
CUDA
AI 估算 · 6k–10k
实习岗位薪资参考广州市场水平，公司实力强且技术门槛高，月薪居中上水平。
职位详情
关于这个职位
该实习岗位专注于自动驾驶静态环境感知，你将研发端到端深度学习模型，检测交通标识、车道线等关键元素，并探索无图自动驾驶的前沿架构
适合对计算机视觉和自动驾驶技术有浓厚兴趣的同学
最低要求
计算机或相关专业本科以上学历
熟练掌握深度学习及计算机视觉相关的基本算法
熟悉掌握基于Transformer的感知算法
优秀的编程能力，熟悉C/C++或Python
有较强的独立解决问题能力，学习能力及沟通能力
工作职责
负责研发面向高精度静态环境感知的端到端深度学习模型，重点覆盖交通标识、车道线、路缘、静态障碍物等关键元素的检测与识别
探索前沿的在线静态环境感知架构，拓展无图自动驾驶的能力边界
负责算法在自动驾驶实际产品中的落地和优化提升，解决实际问题
优先资格
有较强的研究能力优先，如发表过第一作者CCF A类会议或期刊等论文
熟悉某种深度学习框架，如Pytorch等，对深度学习有深入的了解
熟悉并行计算或cuda编程，或图像处理方面经验的优先
在自动驾驶行业有实习经验
能实习6个月及以上
AI 洞察
优缺点分析
- 参与前沿的自动驾驶技术研发，积累深度学习与计算机视觉核心经验
- 公司为行业领先自动驾驶企业，平台实力强，技术氛围浓厚
- 实习含金量高，对后续求职有显著加分
- 技术门槛较高，需要扎实的算法和编程基础
- 实习期间可能需要快速进入工作状态，任务有一定难度
- 竞争激烈，对论文或竞赛经历有加分要求
- 适合对自动驾驶和感知算法有强烈兴趣，具备较强深度学习基础的计算机及相关专业学生
角色解读
- 短期：深入掌握自动驾驶感知的核心技术，积累端到端模型研发经验
- 中期：可转向高级算法工程师或研究岗位，参与更复杂的感知决策系统
- 长期：成为自动驾驶领域专家，或向技术管理方向发展
- 研发端到端深度学习模型，用于检测和识别交通标识、车道线、路缘等静态环境元素
- 探索并实现前沿的在线静态环境感知架构，推动无图自动驾驶技术发展
- 将算法落地到实际自动驾驶产品中，进行优化和问题解决
- 扎实的深度学习与计算机视觉基础，熟悉Transformer等感知算法
- 熟练使用C/C++或Python，具备优秀的编程能力
- 独立解决问题能力强，有良好的学习与沟通能力
申请策略
- 提前了解小马智行的技术路线和产品，在面试中展现对公司的兴趣
- 准备好阐述自己对无图自动驾驶或静态感知的理解和想法
- 突出深度学习或计算机视觉相关项目经验，尤其是检测、分割等任务
- 展示Transformer或端到端模型的使用或研究成果
- 如果有自动驾驶相关实习或研究经历，重点描述
- 提及编程竞赛、开源贡献或论文发表等加分项
- 系统复习Transformer在视觉中的应用，如DETR、ViT等
- 强化PyTorch框架使用，尝试复现经典感知模型
面试指南
- 技术问题：先明确问题本质，再给出解决方案或算法思路，最后总结关键点
- 开放性问题：结构化回答，从现状、挑战、个人见解等角度展开
- 项目经历：使用STAR法则，说明背景、任务、行动和结果
- 请介绍一下你实现的深度学习模型，并说明如何解决过拟合问题
- Transformer在视觉任务中相比CNN有哪些优势和劣势？
- 如何设计一个检测车道线的端到端模型？
- 你如何看待无图自动驾驶的挑战和前景？
- 描述一次你解决复杂技术问题的经历
匹配度报告
61
综合匹配度
前沿技术实习，发展性极强，薪资和WLB一般
适合人群
适合追求技术成长和行业前沿的求职者，对薪资和WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利40
成长发展85
工作生活50
使命价值70
薪资福利匹配
40较低
实习岗位薪资市场水平，但无明确福利，补偿性满足有限。
薪资信号未披露 (6K-10K/月)
成长发展匹配
85较高
技术前沿，平台强大，能深度参与核心算法研发，发展性动机满足较好。
技术前沿前沿/新兴技术
技术栈深度学习、计算机视觉、Transformer、PyTorch、CUDA、自动驾驶
业务类型profit_center
工作生活匹配
50较低
仅现场办公，未提及WLB，实习可能面临一定强度。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
自动驾驶是高速增长赛道，对交通安全有积极意义，使命信号不明显。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs