滴滴出行
27届秋招-端到端基座模型算法工程师
27届秋招-端到端基座模型算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
北京市 / 上海市
无经验要求
全职员工
仅现场办公
硕士
机器学习工程
Pytorch
Vlm
多模态融合
大模型
强化学习
扩散模型
深度学习
端到端
自动驾驶
AI 估算 · 20k–40k
自动驾驶端到端模型为前沿方向，技术门槛高，大厂校招算法薪资竞争力强，月薪预计2-4万。
职位详情
关于这个职位
该职位是滴滴自动驾驶部门的校招算法工程师岗，专注于端到端自动驾驶大模型的研发
你将利用海量真实驾驶数据，结合计算机视觉、深度学习与多模态大模型技术，构建一体化决策规划模型，并研究多模态感知、VLM场景理解、扩散模型轨迹生成等前沿方向
适合对自动驾驶和AI大模型有强烈热情的硕士/博士应届生
最低要求
届毕业生，硕士及以上学历，研究方向为人工智能相关，包括但不限于计算机视觉、深度学习和自动驾驶等方向优先
编程基础扎实，熟悉基本算法和数据结构，熟练掌握Python和深度学习框架PyTorch
善于思考，逻辑清晰，有优秀的问题分析和解决能力
有强烈的自我提升意愿，持续的自我驱动能力
关注人工智能和计算机视觉业界前沿技术和国际会议研究动态，不断提升自己
良好的沟通和合作能力，责任心和团队意识强
需至少满足以下任意一项：(1) 在顶级国际会议/期刊上发表过论文（CVPR，ICCV，ECCV，NeurIPS，ICLR等），有丰富的深度学习研究经验
（2）主导或作为核心参与过有影响力的开源项目的构建
（2）有自动驾驶相关经验，包括但不限于：智能驾驶、机器人、等项目落地经验
（3）有编程、数学等相关竞赛成绩
工作职责
以海量真实数据为基础，依托计算机视觉、深度学习与大模型技术，构建面向真实世界的一体化决策规划模型
在端到端自动驾驶模型的设计与优化中，研究方向包括但不限于：端到端自动驾驶大模型优化、多模态融合与感知场景理解、大语言模型(VLM)驱动的复杂场景理解、基于扩散模型的预测与规划行为生成、三维空间表征与自监督预训练、强化学习与人类行为偏好对齐等
AI 洞察
优缺点分析
优点
- 自动驾驶大模型是AI最热门方向之一，技术前景广阔
- 滴滴拥有海量真实出行数据，为模型训练提供独特优势
- 团队研究氛围浓厚，鼓励发表论文，学术与工业结合
- 大平台资源丰富，薪资福利有竞争力
- 技术难度高，竞争激烈，需持续学习前沿知识
- 端到端自动驾驶仍处于探索阶段，落地存在不确定性
缺点 / 挑战
- 工作强度大，需要面对复杂工程问题和高标准交付压力
- 适合对自动驾驶和AI大模型有强烈兴趣，具备扎实深度学习基础，喜欢挑战前沿技术问题的硕士/博士应届生
角色解读
- 从算法工程师成长为自动驾驶领域技术专家
- 可向技术专家或技术管理方向发展，参与核心算法决策
- 有机会发表顶级论文，提升行业影响力，对接学术界前沿
- 负责端到端自动驾驶大模型的设计与优化，从原始传感器数据直接预测车辆行为
- 研究多模态融合、VLM复杂场景理解、扩散模型生成预测规划等前沿技术
- 参与构建一体化决策规划模型，利用海量数据驱动模型迭代
- 与团队协作推进自动驾驶技术落地，发表高水平论文或开源项目
- 扎实的Python编程能力和PyTorch深度学习框架使用经验
- 熟悉计算机视觉、深度学习基本原理，了解大模型和自监督预训练方法
- 有学术研究能力，能阅读国际会议论文并复现改进算法
- 良好的逻辑分析和问题解决能力，自我驱动
申请策略
- 关注滴滴自动驾驶部门的研究方向，在简历中体现匹配度
- 提前准备与端到端模型相关的技术方案，展示思路和潜力
- 突出自动驾驶、计算机视觉相关的项目经历，尤其是端到端模型训练或感知决策相关
- 展示在CVPR等顶级会议上的论文或开源项目贡献，强调研究能力
- 详细描述使用PyTorch进行模型开发、调优的经验，量化成果指标
- 强调编程竞赛或数学竞赛获奖经历，体现问题解决能力
- 补充对端到端自动驾驶经典论文（如UniAD等）的深入理解
- 学习大语言模型（VLM）和多模态融合方法，尝试复现相关模型
面试指南
- 回答项目类问题时，可以采用STAR法则：背景-任务-行动-结果，突出个人贡献
- 对于开放设计类问题，从问题定义、数据获取、模型选型、评估方法、风险处理等方面展开
- 对于理论类问题，先阐述原理，再结合实践经验，体现深度和广度
- 请介绍一下你在端到端自动驾驶或相关视觉任务中的项目，你负责哪些模块？
- 你如何设计一个基于扩散模型的轨迹预测方案？
- 大语言模型如何用于复杂驾驶场景理解？请给出你的思路
- 你在训练深度学习模型时遇到过哪些问题，如何解决？
- 如何评估一个端到端自动驾驶模型的性能？
职位点评
71
综合评分
自动驾驶大厂前沿算法岗，技术成长空间大，薪资优厚，但工作强度大且现场办公。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
最适合追求技术成长和前沿研究的应届生，愿意投入高强度工作
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活45
使命价值70
薪资福利
65中等
该职位薪资水平预计高于市场平均，但具体金额未披露，福利信息未在JD中体现，稳定性较好。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
90较高
端到端自动驾驶大模型是前沿方向，提供深度研究机会，鼓励论文和开源，成长空间大。
技术前沿前沿/新兴技术
技术栈端到端、大模型、计算机视觉、多模态融合、VLM、扩散模型、自监督预训练、强化学习、PyTorch
业务类型ambiguous
工作生活
45较低
需现场办公，工作时间未明确，技术研发岗位通常强度较大，但未在JD中体现加班。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
自动驾驶技术有潜力提升交通安全与效率，但JD未直接强调社会价值，作为滴滴自动驾驶岗位，行业前景明确。
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
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs