资深深度学习算法工程师-DLP

优缺点分析

角色解读

• 从核心算法工程师成长为Planning模块的技术专家或架构师
• 未来可向自动驾驶全栈算法负责人或技术管理方向发展，主导下一代智驾系统演进
• 负责自动驾驶Planning（规划）模块的核心算法设计与全栈开发，输出业务交付方案
• 通过数据驱动的方法持续优化产品表现，解决复杂场景下的规控难题
• 探索前沿的算法框架、数据体系及仿真评测体系，推动技术迭代
• 精通C++和Python，具备优秀的工程开发习惯与代码规范
• 具备扎实的数据驱动算法研发能力，熟悉深度学习在规控领域的应用
• 拥有计算机相关专业硕士及以上学历，具备极强的逻辑与数学基础

申请策略

• 了解初速度在量产自动驾驶和Robotaxi双线并行的业务模式，面试时可结合其实际量产场景探讨算法落地方案
• 突出在C++/Python工程开发上的实际项目经验，强调代码质量与系统架构能力
• 重点展示数据驱动算法的研发成果及量化性能提升指标（如接管率下降、舒适度提升）
• 若有智驾量产经验、顶会论文或ACM/NOI等竞赛名次，务必放在简历最显眼位置
• 深入学习自动驾驶Planning领域的最新论文，特别是基于强化学习或端到端大模型的规控算法
• 提升大规模数据处理、数据闭环构建与仿真评测系统的工程落地能力

面试指南

• 采用STAR法则：情境（项目背景与痛点）-> 任务（你的具体职责）-> 行动（算法设计、数据驱动策略、工程实现）-> 结果（量化指标提升，如接管率下降、舒适度提升）
• 请详细介绍你过往主导的Planning模块算法设计及架构方案，以及如何通过数据驱动提升产品表现？
• 在自动驾驶规控算法中，如何平衡安全性、舒适性与通行效率？
• 请分享你在仿真评测体系或数据体系建设方面的探索经验与踩坑记录
• 针对某一具体的Corner Case，你的数据驱动算法是如何解决并验证的？
• 复习自动驾驶Planning经典算法（如A*, Lattice, 优化方法等）及最新数据驱动/端到端模型
• 准备1-2个自己主导的、有量化结果的复杂算法落地项目案例，重点突出数据驱动的思路