自动驾驶视频理解算法实习生 - 广州

优缺点分析

角色解读

• 积累自动驾驶感知领域的实战经验，为后续转正或进入AI大厂打下基础
• 深入学习多模态大模型前沿技术，未来可向算法工程师、研究科学家方向发展
• 通过参与数据闭环建设，提升工程化能力和业务理解，利于转型为技术负责人
• 设计并维护自动驾驶车端视频理解的数据闭环，包括数据采集、标注、训练和迭代
• 利用多模态大模型（如视觉-语言模型）增强车端模型对复杂场景的泛化能力
• 编写高效的Python代码，使用PyTorch/TensorFlow训练和优化视频理解模型
• 熟悉主流多模态大模型架构，如CLIP、BLIP等，了解其训练和微调方法
• 掌握RNN/LSTM/Transformer等序列模型原理，能应用于视频时序建模
• 熟练使用PyTorch或TensorFlow进行模型开发，有实际项目经验优先
• 编程能力强，精通Python，熟悉Linux开发环境

申请策略

• 在求职信中表达对自动驾驶视频理解方向的热情，以及希望将学术知识应用于工业场景
• 提前了解小马智行的技术博客或开源项目，在面试中展示对公司的认同
• 突出多模态大模型相关项目经验，如使用CLIP进行图文匹配或视频理解
• 强调PyTorch/TensorFlow的使用熟练度，最好附上GitHub代码链接
• 提及对自动驾驶领域的理解或相关竞赛经历（如nuScenes、Waymo挑战赛）
• 展示良好的沟通协作能力，例如团队合作的项目或开源贡献
• 系统学习Vision-Language模型原理，尝试复现CLIP或BLIP等论文
• 掌握视频时序建模方法，如使用Video Swin Transformer或TimeSformer

面试指南

• 对于技术类问题，采用STAR法则：先说明任务背景，再解释采取的技术方案，最后总结效果
• 对于开放性问题，从理论到实践逐步展开，先阐述基本原理，再结合实际场景分析
• 对于项目类问题，重点突出个人贡献和思考过程，包括遇到的难点及解决思路
• 请详细解释Transformer在视频理解中的应用原理
• 如何设计一个数据闭环来解决自动驾驶中的长尾场景？
• 你曾使用多模态大模型做过什么项目？遇到了哪些挑战？
• 如果你现在要训练一个视频理解模型，你会如何选择模型架构和训练策略？
• 你对自动驾驶感知系统有哪些了解？如何看待当前的局限性？