顶尖应届-World Action Model算法研究员-自动驾驶

优缺点分析

角色解读

• 从算法研究员起步，逐步成长为技术专家（如首席算法工程师）或项目负责人（如技术Leader）
• 可向自动驾驶全栈方向发展，覆盖感知、预测、规划等模块
• 也可向通用机器人智能方向扩展，将世界模型技能迁移到其他Physical AI领域
• 你将在World Action Model方向进行前沿研究，包括设计数据 pipeline、训练大规模世界模型和评估模型性能
• 你将与团队成员合作，探索如何将世界模型应用于自动驾驶决策，解决物理世界中的实际AI问题
• 你需要跟踪最新的学术进展（如LLM、扩散模型、World Model），并快速实现原型验证想法
• 扎实的深度学习基础，熟悉PyTorch等主流框架，能够独立实现和调试模型
• 熟练掌握Python编程，具备agentic coding能力，能高效编写实验代码
• 对自动驾驶或Physical AI有浓厚兴趣，理解世界模型、强化学习或机器人学基础概念

申请策略

• 关注小米自动驾驶技术博客或公开演讲，在面试中展现你对公司技术方向的思考
• 提前准备一个简短的技术分享（如世界模型综述或你的项目亮点），展示沟通能力
• 突出计算机视觉、机器人或强化学习相关的项目或论文经历，展示你的研究能力
• 强调编程竞赛（如ACM）或开源贡献，体现代码能力和团队协作
• 如果参与过自动驾驶相关项目（如轨迹预测、仿真），务必详细描述
• 提前学习世界模型相关论文（如UniSim、GAIA-1），并复现简单实验
• 熟悉PyTorch分布式训练、数据并行等大规模训练技巧
• 补充Physical AI基础知识，如机器人控制、仿真环境（如CARLA、MuJoCo）

面试指南

• 对技术问题，先给出定义和背景，然后分步骤阐述方法（数据→模型→评估），最后总结优缺点
• 对开放性问题，可以结合论文和实际应用，提出自己的见解并说明理由
• 对项目经验问题，用STAR法则（情境、任务、行动、结果）结构化叙述
• 请解释世界模型在自动驾驶中的作用，并举例说明其优势
• 你如何设计一个latent world model的训练数据pipeline？
• 如何处理world model中的长期依赖和不确定性？
• 描述一次你解决复杂算法问题的经历，以及你是如何调试的
• 你对Physical AI的未来发展有什么看法？