EBM Mstar Chi Zhang 社招

优缺点分析

角色解读

• 从算法工程师成长为自动驾驶算法专家或系统架构师，主导核心算法模块的技术演进
• 未来可向自动驾驶系统技术负责人或技术管理方向发展，带领团队攻坚量产交付难题
• 负责无高精地图方案下的导航模型（NaviModel）算法研发，包括道路结构认知和实时导航算法的设计与验证
• 推动高速和城区自动驾驶产品的算法迭代与性能交付，解决复杂场景下的技术难题
• 熟练掌握C/C++和Python，具备扎实的深度学习、数学基础及数据结构算法能力
• 熟悉DETR、图神经网络、生成式模型及模仿学习等前沿算法，有自动驾驶或Online Mapping经验者更佳

申请策略

• 了解初速度“无高精地图”自动驾驶方案的技术路线和产品进展，面试时可结合其量产车型合作案例准备相关技术思考
• 重点突出在深度学习、图神经网络或生成式模型方面的项目经验及论文/专利成果
• 详细展示在Online Mapping、道路拓扑生成或实时导航等自动驾驶相关领域的落地成果与性能指标
• 深入学习DETR、Imitation Learning等前沿算法在自动驾驶感知与规划中的应用
• 提升C++工程化能力和复杂系统架构设计能力，熟悉自动驾驶中间件与部署优化

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出技术选型的思考过程、性能优化的具体指标（如延迟降低、准确率提升）以及最终的业务收益
• 请详细介绍你在无高精地图方案或Online Mapping方面的项目经验及遇到的技术难点？
• DETR或图神经网络在道路结构认知（LaneGraph）中是如何应用的？效果如何评估？
• 如何优化实时导航算法在高速/城区复杂场景下的性能与延迟？
• 请分享一个你主导的复杂系统工程或优秀开源项目的架构设计与落地过程
• 复习深度学习基础及图神经网络、DETR等前沿论文，了解初速度最新的无高精地图技术博客或公开分享
• 准备好C++和算法手撕题，重点复习数据结构、图论算法及动态规划