地平线
感知算法实习生
感知算法实习生
发布于 3 小时前实习/见习
实习生仅现场办公计算机视觉工程
计算机视觉工程
Bev
Pytorch
多模态融合
激光雷达
目标检测
自动驾驶
计算机视觉
值不值得投
67综合评分
综合评分 67
地平线核心算法实习岗，技术前沿、成长空间大，但现场实习时间要求严格。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
7千
比计算机视觉工程中位数低
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 430 个在招 · 其中计算机视觉工程 8 个
市场机会
选择面较广
北京 · 计算机视觉工程 · 约 110 个在招
职位详情
关于这个职位
该职位主要参与自动驾驶感知算法的迭代优化，包括视觉与激光雷达多模态融合、目标检测与分割等
你将处理大规模真实道路数据，参与从数据挖掘到模型部署的完整闭环，解决长尾场景下的性能问题
最低要求
硕士及以上学历在读，计算机/人工智能相关专业
熟悉前沿的感知端到端算法，了解 BEV、Transformer 等经典感知算法
具备扎实的 Python 编程能力，熟练使用 PyTorch
拥有较强的学习能力、沟通能力和独立工作能力
出勤需满足每周四天以上（现场实习，非远程）
工作职责
参与感知算法模型迭代优化，攻克感知长尾和corner场景性能问题
参与视觉与Lidar多模态特征融合算法迭代优化，研究模态对齐和特征融合方案
参与动静态目标检测/分割/识别算法的研发与迭代，针对实际场景需求优化现有感知模型性能指标
参与大规模真实道路数据的处理、标注与分析，构建与维护高质量的评估数据集，参与数据挖掘、标注、训练、部署及 badcase 回归等闭环链路
优先资格
拥有 CVPR/NeurIPS 等顶会/刊论文者优先考虑
连续实习6个月及以上者优先考虑
AI 洞察
优缺点分析
优点
- 接触自动驾驶领域最前沿的感知技术（如BEV、端到端），技术栈先进且极具行业竞争力
- 参与真实道路数据的闭环链路，能积累宝贵的工程落地经验，而非仅停留在理论层面
- 地平线作为自动驾驶芯片与算法头部企业，平台大，技术氛围浓厚，有利于个人技术成长
- 适合计算机视觉或人工智能相关专业、对自动驾驶感知算法有浓厚兴趣，且能保证充足实习时间的硕士及以上在校生
缺点 / 挑战
- 自动驾驶感知长尾问题（corner case）极具挑战性，需要较强的钻研精神和抗压能力
- 现场实习要求每周4天以上，对在读硕士的学业与实习时间平衡提出较高要求
角色解读
- 从算法实习生成长为初级/中级感知算法工程师，独立负责特定模块的算法研发
- 深入自动驾驶核心业务，向多模态融合、端到端自动驾驶等前沿技术专家方向发展
- 参与自动驾驶感知算法的迭代优化，解决长尾和corner场景的性能瓶颈
- 研究并优化视觉与激光雷达的多模态特征融合方案，提升目标检测与分割的准确率
- 处理大规模真实道路数据，参与从数据挖掘、标注到模型训练、部署及badcase回归的完整闭环
- 扎实的Python编程基础，熟练使用PyTorch框架进行深度学习模型开发
- 熟悉BEV、Transformer等经典感知算法及前沿的端到端自动驾驶算法
- 具备较强的数据处理与分析能力，能够独立推进算法优化与实验验证
申请策略
- 提前确认自己能否满足每周4天、连续6个月的实习时间要求，这是该岗位的硬性门槛
- 突出在计算机视觉、多模态融合或目标检测相关的项目经验，特别是使用PyTorch的实战经历
- 明确列出发表的CVPR/NeurIPS等顶会论文，或参与过的国家级/国际级相关竞赛获奖经历
- 强调对BEV、Transformer等前沿算法的理解，以及在数据处理和模型部署方面的动手能力
- 深入学习BEV感知和端到端自动驾驶算法的最新论文，掌握其核心原理与网络结构
- 提升大规模数据处理和Badcase分析的能力，熟悉常用的数据标注工具和评估指标
面试指南
- 项目经验题：采用STAR法则（情境、任务、行动、结果），重点突出你个人的贡献和最终的性能指标提升
- 算法原理题：先阐述基本概念和核心公式，再结合具体应用场景说明其优缺点，最后可提及最新的改进方案
- 请详细介绍你简历中提到的一个视觉或多模态融合项目，你在其中解决了什么核心问题？
- 你如何理解BEV感知？相比于传统的2D感知，BEV有哪些优势和面临的挑战？
- 在目标检测中，如果遇到长尾场景（corner case）导致性能下降，你会如何排查和优化？
- 请描述一下你使用PyTorch进行模型训练和调试的完整流程，遇到过哪些显存或性能瓶颈？
- 复习Transformer、BEV、多模态融合等核心算法的底层逻辑，准备手撕代码或推导关键公式
- 了解地平线在自动驾驶感知领域的最新技术布局和产品落地情况，结合公司业务准备面试
职位点评
薪资福利65
成长发展90
工作生活40
使命价值85
薪资福利
65中等
作为实习生岗位，薪资按日薪折算，处于一线城市算法实习的市场平均水平，能满足基本生活需求，但无法与正式员工相比。
薪资信号未披露（AI估算：5.4–8.7千/月）
成长发展
90较高
岗位涉及自动驾驶最前沿的感知算法和多模态融合，技术栈极具含金量，且参与完整的数据闭环，对个人技术成长和能力提升有极大帮助。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、BEV、Transformer、多模态融合、目标检测、端到端算法
业务类型ambiguous
工作生活
40较低
明确要求现场实习且每周出勤4天以上，对时间灵活性限制较大，WLB主要取决于个人学业与实习的平衡。
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
85较高
自动驾驶是极具前景的赛道，感知算法是其中的核心环节，工作成果直接推动智能汽车的安全与普及，具有较高的社会价值和使命感。
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