DiDi logo
滴滴出行
测试开发实习生(自动驾驶)-MJ020829

测试开发实习生(自动驾驶)-MJ020829

发布于 2 小时前

实习/见习

AI 估算 · 6.0千–1.0万 · AI 参考估算
中国
无经验要求
硕士
实习生仅现场办公测试开发
测试开发
场景生成
机器学习
模型评估
深度学习
端到端模型
自动驾驶

值不值得投

69综合评分

综合评分 69

自动驾驶前沿技术实习,成长性强,时间投入要求高,薪资福利未披露

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较实习机会。

薪资怎么样

8.0千

比测试开发中位数低

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 2400 个在招 · 其中测试开发 20 个

市场机会

选择面较广

测试开发 · 约 1170 个在招

职位详情

关于这个职位

这是一个面向硕博研究生的自动驾驶测试开发实习岗位,主要参与端到端模型评估方案设计、评估算法开发与评估环境搭建

你将处理和分析测试数据,构建评估场景库,并协助定位模型问题,适合希望在自动驾驶算法评测方向深入积累的候选人

最低要求

计算机类、软件工程类、车辆工程类、自动化类、电子信息类等相关专业

硕士及博士研究生
每周5天,至少4个月以上,并按要求完成相关任务
熟练使用Python / C++等编程语言和Linux操作系统
有较强代码编写和调试能力,能够对开源算法进行复现、调试和改进
有志于深耕自动驾驶领域,工作严谨负责、积极用心,有较强团队合作能力和自驱力

工作职责

参与端到端模型的评估方案设计,完成评估算法开发和评估环境搭建

完成测试数据的处理、分析,并结合相关指标完成模型例行评估分析和问题定位
基于正向覆盖设计、Data-science数据补充挖掘等方式构建评估场景库

优先资格

在自动驾驶场景生成与挖掘等领域有项目经验者优先

有感知/定位/决策/预测/规划/DPC/PNC算法开发经验者优先
有机器学习、深度学习、大模型等相关经验者优先
发表过相关领域SCI期刊或CCF-A/CCF-B/CCF-C会议优先

AI 洞察

优缺点分析

优点

  • 岗位贴近自动驾驶端到端模型和评估场景库建设,能接触较前沿的算法评测与数据闭环工作
  • 对硕博候选人开放,适合将机器学习、自动驾驶、软件工程等能力应用到真实业务场景
  • 工作内容覆盖算法开发、数据处理、问题定位和场景挖掘,技术积累维度较丰富
  • 有论文、开源算法复现或自动驾驶项目经验的候选人更容易形成差异化优势
  • 自动驾驶模型评估涉及算法、数据和工程环境,学习曲线较陡,需要快速理解多模块知识
  • 实习岗位通常需要较强自驱力和严谨性,面对模型问题定位时可能需要反复验证和排查
  • 适合计算机、软件工程、车辆、自动化、电子信息相关专业的硕博学生,尤其是有自动驾驶、机器学习、场景生成或算法复现经验,并希望长期深耕智能驾驶领域的候选人

缺点 / 挑战

  • 要求每周5天且至少4个月以上,对在校生的课程和科研安排有一定时间压力

角色解读

  • 短期可以从评估算法开发、数据处理和场景库建设入手,积累自动驾驶模型评测的工程能力
  • 中期可向自动驾驶算法测试开发、数据闭环、模型评估平台或仿真场景方向深入发展
  • 长期可转向感知、预测、规划、端到端模型算法研发,或走测试开发/质量工程专家路线
  • 参与自动驾驶端到端模型的评估方案设计,把模型能力拆解为可量化、可复现的评测指标和流程
  • 使用 Python、C++ 和 Linux 开发评估算法、搭建评估环境,并处理测试数据和输出结果分析
  • 结合指标进行例行评估,定位模型在场景覆盖、感知、预测或规划等环节中的问题
  • 通过正向覆盖设计和数据补充挖掘构建评估场景库,提升模型评测的完整性和针对性
  • 需要熟练掌握 Python 或 C++,并具备良好的代码编写、调试和开源算法复现能力
  • 需要熟悉 Linux 开发环境,能够完成评估脚本、工具链或测试环境的搭建与维护
  • 需要理解机器学习、深度学习或大模型相关基础,能够围绕模型输出做数据分析和指标评估
  • 具备自动驾驶感知、定位、决策、预测、规划等算法背景,或场景生成与挖掘项目经验会更有竞争力

申请策略

  • 申请时建议明确表达自己对自动驾驶方向的长期兴趣,并结合项目经历说明不是短期尝试
  • 面试前了解端到端模型评估、场景库构建和数据闭环的基本方法,准备用具体案例说明自己的分析和解决问题能力
  • 突出与 Python、C++、Linux 相关的项目经历,尤其是算法实现、调试、性能优化或工具链开发经验
  • 重点展示自动驾驶、机器学习、深度学习、大模型、场景生成或数据挖掘相关项目,说明你具体负责的模块和产出
  • 如果有开源算法复现、SCI 或 CCF 论文、比赛经历,应写明问题背景、方法贡献和实验结果
  • 强调可实习时间,包括每周到岗天数和持续月数,并说明能按要求稳定完成任务
  • 提前准备 Python/C++ 数据处理、脚本开发、调试和 Linux 常用命令,确保能快速进入工程开发状态
  • 补充模型评估相关能力,如指标设计、数据分布分析、错误案例归因、场景覆盖度评估等

面试指南

  • 项目类问题用“背景—目标—方法—结果—复盘”的结构回答,重点讲清楚个人贡献和可量化结果
  • 方案设计类问题先明确评估目标,再从指标、数据、场景覆盖、问题定位和迭代闭环几个层面展开
  • 动机与稳定性问题要直接回应可实习时间、专业背景、长期兴趣和能承担的具体工作
  • 请介绍一个你用 Python 或 C++ 完成的算法/工程项目,你负责了哪些模块,遇到了什么问题,如何解决?
  • 如果要评估一个自动驾驶端到端模型,你会如何设计评估指标和测试场景?
  • 你如何理解正向覆盖设计和 Data-science 数据补充挖掘在场景库建设中的作用?
  • 请举例说明你如何复现、调试或改进一个开源算法
  • 你每周5天、至少4个月的实习时间如何保证?

职位点评

薪资福利55
成长发展88
工作生活45
使命价值78

薪资福利

55较低

JD 未披露薪资和具体福利信息,仅能判断这是自动驾驶方向的技术实习岗位。对薪资和福利确定性的满足程度有限。

薪资信号未披露(AI估算:6.0千–1.0万/月)

成长发展

88较高

岗位涉及端到端模型评估、评估算法开发、场景库构建和自动驾驶问题定位,技术内容具体且贴近算法评测实践。对希望积累自动驾驶和模型评估能力的候选人匹配度较高。

技术前沿前沿/新兴技术
技术栈Python、C++、Linux、端到端模型、自动驾驶、Data-science、机器学习、深度学习、大模型、感知、定位、决策、预测、规划、DPC、PNC
业务类型ambiguous

工作生活

45较低

JD 明确要求每周5天、至少4个月以上,但未说明远程、弹性或具体办公地点。时间投入要求较高,办公灵活性信息不足。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

78中等

岗位聚焦自动驾驶模型评估和场景库建设,自动驾驶技术本身具备较强行业探索属性。JD 未直接描述社会使命或价值导向,但技术方向与智能出行相关。

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