大模型算法工程师-广州/北京

优缺点分析

角色解读

• 从算法工程师向资深算法专家或技术负责人发展，主导核心预测算法
• 横向扩展至端到端自动驾驶系统，成为系统级架构师
• 发表顶级论文、参与开源项目，提升学术影响力
• 研发端到端或基于LLM的社会车/行人轨迹预测算法，处理复杂交互场景
• 应用多模态大模型对路测接管Case进行智能诊断，挖掘长尾场景
• 构建AI Agent框架用于自动化仿真、数据标注和多智能体交互演练
• 参与大模型的微调（SFT/RLHF）、推理加速与轻量化部署
• 扎实的机器学习、深度学习基础，熟悉Transformer、GNN等模型结构
• 深入理解大语言模型（LLM）和多模态模型原理，有实际训练或微调经验
• 熟练使用Python、C++，掌握PyTorch/TensorFlow等框架
• 有自动驾驶感知、预测或规划相关项目经验者优先

申请策略

• 在求职信中明确表达对自动驾驶安全与效率问题的思考，结合过往项目
• 提前了解小马智行的技术博客或论文，准备有针对性的提问
• 突出发表的顶级会议论文，说明你在算法创新中的具体贡献
• 强调在轨迹预测公开数据集上的排名或竞赛获奖经历
• 列出参与的开源项目（尤其是LLM/多模态/Agent相关），并提供GitHub链接
• 展示编程竞赛（ACM/NOI/Kaggle）成绩，体现代码能力
• 系统学习LLM微调技术（SFT、RLHF），并动手实现一个简单Agent
• 熟悉多模态模型（如CLIP、VideoLLaMA）的基本原理和用法

面试指南

• 使用STAR法则（情境-任务-行动-结果）组织项目经历，突出量化成果
• 对于方案设计题，从问题定义、模型选型、训练策略、实验验证逐步展开
• 结合论文和实际场景，先阐述理论再给出落地方向
• 如何用大模型改进自动驾驶中的轨迹预测？请设计一个方案
• 解释Transformer中的self-attention机制，并说明在行为预测中的应用
• 多模态融合（如视频+激光雷达）有哪些挑战？你如何解决模态对齐问题？
• 描述一次你处理长尾场景的经历，如何通过数据闭环迭代模型？
• RLHF在LLM微调中的作用是什么？在自动驾驶中可能如何应用？