顶尖应届-感知大模型算法工程师-自动驾驶

优缺点分析

角色解读

• 在小米自动驾驶团队积累前沿技术经验，成长为感知算法专家或技术负责人
• 可向自动驾驶系统架构师方向发展，掌握多传感器融合与系统设计
• 也可走向技术管理岗位，带领团队攻克技术难题
• 负责Camera、Lidar、Radar多传感器感知模型的研发与交付，包括目标检测、在线建图等核心任务
• 建立感知数据闭环，涉及Data Trigger、自动标注（Auto-labeling）和评测体系
• 探索视觉基础模型（如DINO、VGGT）在自动驾驶感知中的应用，推动技术创新
• 扎实的深度学习与计算机视觉知识，熟悉目标检测、语义分割等经典算法
• 熟练使用C++在Linux环境下开发，具备良好的数据结构和算法基础
• 具备独立解决问题、快速学习和有效沟通的能力
• 了解TensorFlow、PyTorch等框架实现原理，能编写高效训练代码

申请策略

• 提前了解小米自动驾驶团队的技术路线和公开成果（如论文、专利），在面试中展现兴趣与匹配度
• 准备一个完整的项目案例，从问题定义、方案设计到实验验证，展示技术闭环能力
• 突出计算机视觉或自动驾驶相关的项目经历，尤其是目标检测、多传感器融合等方向
• 强调C++/Linux开发能力，并展示对数据结构和算法的掌握
• 如有竞赛获奖（如ACM-ICPC）或顶会论文，务必重点列出
• 深入掌握PyTorch或TensorFlow，理解其底层实现原理，能写出高效训练代码
• 了解Auto-labeling、数据闭环等工业界实践，可通过开源项目或竞赛积累经验

面试指南

• 对于算法类问题：先用一句话概括核心思想，然后分点解释关键步骤和原理，最后举例说明在实际中的效果
• 对于系统设计问题：明确需求，给出多方案对比，选择合理方案并说明原因，考虑边界情况和扩展性
• 对于开放性问题：结合自己的项目经验，展示思考深度和解决问题的能力，必要时可提出假设和验证思路
• 请介绍目标检测的发展历程，并对比Faster R-CNN、YOLO和DETR的优劣
• 如何优化自动驾驶感知模型的推理速度？请结合C++和TensorRT谈谈
• 你如何设计一个数据闭环系统？包括数据采集、触发策略、自动标注和质量评估
• 解释Camera、Lidar、Radar的优缺点，并设计一个多传感器融合方案
• 如果让你在自动驾驶中应用视觉基础模型（如DINO），你会怎么做？