小马智行
北京算法实习生-多模态感知
北京算法实习生-多模态感知
发布于 1 天前实习/见习
北京市
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
Camera
目标检测
VLM
Lidar
多模态融合
AI 估算 · 4k–7k
实习岗位，北京自动驾驶算法岗，薪资参考行业内实习生水平，竞争力中等。
职位详情
关于这个职位
这是一个自动驾驶领域算法实习岗位，你将参与多模态感知算法的开发与优化，包括目标检测、语义分割、三维重建等方向，并有机会探索视觉-语言模型（VLM）等前沿技术
适合对计算机视觉和深度学习有扎实基础、希望在自动驾驶行业积累实践经验的学生
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
熟悉基于CNN的图像检测、跟踪、识别等算法流程
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
负责基于 Camera、LiDAR 及多模态融合的感知算法开发与优化，工作方向包括但不限于目标检测、语义/实例分割、目标跟踪与三维重建等
跟进并探索 VLM（视觉-语言模型）等多模态前沿技术，研究其在感知、语义理解与跨模态对齐中的应用，注重实时与边缘端推理性能优化
基于 VLM 开发场景描述与自然语言指令驱动的感知能力提升方案，推动模型在实际场景中的落地
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
- 参与自动驾驶前沿技术研发，积累多模态感知和VLM经验，技能含金量高
- 小马智行是自动驾驶头部企业，平台大，技术氛围浓厚，实习背书强
- 工作内容涉及真实落地场景，能快速将理论转化为实践
- 实习生要求较高，需具备较强的算法和编程能力，竞争激烈
- 实习期间可能需要承担较重的研发任务，工作强度较大
- 技术更新快，需要持续学习前沿论文和工具
- 适合对自动驾驶和计算机视觉充满热情、有扎实深度学习基础、希望在高强度研发环境中快速成长的学生
角色解读
- 实习优秀者可转正为正式感知算法工程师，深入自动驾驶核心业务
- 积累多模态感知和VLM前沿技术经验，未来可向高级算法研究员或技术专家发展
- 有机会参与顶级会议论文发表，为学术或工业界深造奠定基础
- 负责基于Camera、LiDAR的多模态感知算法开发，包括目标检测、分割、跟踪和三维重建
- 探索视觉-语言模型（VLM）在多模态对齐和语义理解中的应用，优化实时推理性能
- 开发自然语言指令驱动的感知能力提升方案，推动算法在实际自动驾驶场景中落地
- 扎实的深度学习与计算机视觉基础，熟悉CNN图像检测、跟踪等算法
- 精通C/C++或Python，具备优秀的编程能力
- 熟悉Pytorch等深度学习框架，有CUDA编程经验者优先
- 独立解决问题能力强，良好的学习与沟通能力
申请策略
- 了解小马智行的技术路线和产品方向，面试中展现对公司的热情
- 准备一段简洁的自我介绍，突出技术栈匹配度和研究兴趣
- 突出计算机视觉项目经历，特别是目标检测、分割、跟踪相关项目
- 若发表过相关论文或竞赛获奖，务必重点展示
- 强调编程能力，列出熟悉的语言和框架（C++、Python、Pytorch）
- 如果有自动驾驶相关实习或研究经历，详细描述工作内容和成果
- 提前学习VLM相关论文（如CLIP、LLaVA等），了解多模态融合基础
- 熟悉CUDA编程和模型加速技术，如TensorRT、ONNX等
面试指南
- 对于算法对比题，先阐述基本原理，再结合应用场景分析优缺点，最后给出选择依据
- 对于开放性问题，按“背景-方法-挑战”结构展开，展示逻辑清晰和思考深度
- 编程题注意边界条件和时间复杂度，先讲思路再写代码
- 请解释YOLO和Faster R-CNN的区别，并说明如何在项目中选择检测算法
- 如何将LiDAR点云和相机图像进行融合？简述常见多模态融合方法
- VLM在自动驾驶中可能有哪些应用？如何解决实时性问题？
- 手写代码：实现一个简单的图像卷积操作或nms算法
- 详细描述你过去的一个计算机视觉项目，包括技术难点和解决方案
匹配度报告
68
综合匹配度
自动驾驶龙头实习，前沿多模态技术，成长空间大，但薪资一般且需现场办公。
适合人群
最适合追求技术成长和行业前沿、对薪资要求不高的学生。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利50
成长发展90
工作生活50
使命价值80
薪资福利匹配
50较低
实习薪资处于行业中等水平，且JD未明确福利，补偿性动机满足度一般。
薪资信号未披露 (4K-7K/月)
成长发展匹配
90较高
职位涉及多模态感知、VLM等前沿技术，且公司为自动驾驶头部企业，技术成长空间大。
技术前沿前沿/新兴技术
技术栈多模态融合、VLM、深度学习、计算机视觉、LiDAR、Camera
业务类型ambiguous
工作生活匹配
50较低
仅现场办公，北京实习通勤成本高，且JD未提及WLB相关安排，生活化动机满足度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
80较高
自动驾驶行业高速发展，技术有较大社会价值，但JD未强调使命，意义感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs