感知语义理解算法工程师（J106597）

优缺点分析

角色解读

• 可向自动驾驶感知算法专家、多模态大模型研究员方向发展，或在AI辅助软件工程领域成为技术标杆
• 研发自动驾驶领域的视觉-语言多模态大模型及传统感知算法（如目标检测）
• 利用AI辅助工具（Agent Coding）加速代码开发与调试，构建自动化数据闭环以优化模型性能
• 扎实的机器学习与数学基础
• 精通C++/Python及Linux环境开发
• 熟悉3D卷积、Transformer等主流深度学习架构
• 具备使用AI工具进行高效编码的能力

申请策略

• 关注百度在自动驾驶领域的最新技术发布，准备关于‘数据闭环’和‘多模态融合’的技术见解
• 突出在CVPR/ICCV等顶会的论文发表经历，展示基于Transformer或3D卷积的项目实战成果，强调使用AI工具提升开发效率的具体案例
• 深入理解LLM/VLM原理，学习如何结合Agent Coding优化传统CV任务流程，强化C++高性能计算能力

面试指南

• 采用STAR法则（情境、任务、行动、结果）回答项目类问题
• 对于技术问题，先阐述理论背景，再结合具体工程实践，最后量化成果（如mAP提升、推理速度优化）
• 请介绍你最近一篇顶会论文的核心创新点及其在自动驾驶中的潜在应用
• 如何利用Agent Coding提高代码开发效率？请举例说明你审查和优化AI生成代码的经验
• 在设计3D目标检测算法时，如何解决长尾场景下的漏检问题？
• 请描述一个你主导的数据自动化构建项目，你是如何保证数据质量的？
• 复习深度学习经典论文（如YOLO系列、PointNet、ViT等），梳理自己在C++/Python混合编程中的最佳实践，准备关于多模态大模型在自动驾驶中应用的思考