小米
自动驾驶决策算法实习生-2027届
自动驾驶决策算法实习生-2027届
发布于 大约 18 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
硕士
实习与临时职位
模型训练
强化学习
自动驾驶
决策算法
VLA
端到端规划
评测体系
Worldmodel
AI 估算 · 4k–7k
作为知名大厂实习生，薪资具有竞争力，但处于实习阶段，整体低于全职。
职位详情
关于这个职位
作为小米自动驾驶部门的决策算法实习生，你将参与量产端到端规划算法的研发与优化，跟踪前沿技术如VLA、WorldModel等，并将它们应用到实际量产中
该岗位适合对自动驾驶充满热情、希望深入业界前沿技术的硕士或博士研究生
最低要求
实习至少4个月，计算机科学、自动化、人工智能等相关专业硕士及以上学历
了解主流的端到到规划架构，或至少在AR、Diffusion、强化学习的一个领域有相关经验
熟练掌握 Python 编程
工作职责
参与量产端到端规划算法的研发，模型训练优化、评测体系搭建等
跟进端到到规划算法的Sota方法，将最新技术（VLA、WorldModel、强化学习等）应用到量产算法中
优先资格
有自动驾驶相关经验者优先，在计算机视觉或自动计算领域的顶级会议发表过相关论文优先
AI 洞察
优缺点分析
优点
- 参与小米汽车自动驾驶项目，积累业界顶级量产经验
- 接触前沿技术如VLA、WorldModel，技术成长快
- 大厂平台，资源丰富，有转正机会
- 自动驾驶算法复杂度高，调试困难
- 涉及多学科交叉，需要不断拓展知识面
- 适合对自动驾驶充满热情、具备扎实机器学习基础、希望在实践中接触业界前沿技术的硕士/博士研究生
缺点 / 挑战
- 实习期需快速学习并产出，压力较大
角色解读
- 实习表现优秀可转正，成为正式员工
- 深入自动驾驶核心算法，成为领域专家
- 未来可向高级算法工程师或技术管理方向发展
- 参与端到端规划算法的模型训练与优化，搭建评测体系
- 跟踪并应用VLA、WorldModel等前沿技术到量产算法
- 与团队成员协作，推动算法落地
- 扎实的Python编程能力，熟悉深度学习框架
- 了解端到端规划架构或强化学习、扩散模型等
- 对自动驾驶领域有热情，具备快速学习能力
申请策略
- 关注小米汽车技术博客，了解团队技术方向
- 在简历中体现对量产落地的理解
- 突出自动驾驶或相关领域项目经验，强调算法实现细节
- 展示在强化学习、扩散模型或VLA方面的工作
- 如有论文发表，强调顶会论文和贡献
- 突出编程能力，特别是Python和深度学习框架
- 补充端到端规划相关知识，阅读经典论文
- 熟悉强化学习算法，如PPO、DQN等
面试指南
- 先概述问题核心，再分点阐述
- 结合项目经验，具体说明方法和效果
- 展示对前沿技术的理解和思考
- 介绍一下端到端自动驾驶的主流方法
- VLA模型如何应用于规划？
- 强化学习如何用于决策？
- 如何处理自动驾驶中的长尾场景？
- 介绍一个你参与的相关项目
职位点评
64
综合评分
小米自动驾驶实习生，技术前沿、成长迅猛，但薪资和稳定性有限。
更适合这类人
适合追求技术成长、对自动驾驶前沿技术有浓厚兴趣的应届生或研究生。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展85
工作生活50
使命价值80
薪资福利
40较低
该实习岗位薪资未明确，但通常小米实习生待遇中上，但缺乏稳定性。
薪资信号未披露（AI估算：4K-7K/月）
成长发展
85较高
技术前沿，涉及VLA、WorldModel等，成长机会大，但未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈自动驾驶、端到端规划、VLA、WorldModel、强化学习、Python
业务类型profit_center
工作生活
50较低
现场办公，未明确工作强度，但大厂实习通常弹性有限。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
自动驾驶行业高速增长，社会正面影响高，技术创新积极。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs