英伟达
Applied Deep Learning Algorithm Intern, Autonomous Driving - 2027
Applied Deep Learning Algorithm Intern, Autonomous Driving - 2027
发布于 2 小时前实习/见习
实习生混合式弹性办公自动驾驶
自动驾驶
Pytorch
Vlm
强化学习
数据工程
模型评估
深度学习
自动驾驶
值不值得投
82综合评分
综合评分 82
顶尖AI大厂实习、前沿自动驾驶技术栈、高成长空间、研发节奏较快
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
1.9万
比自动驾驶中位数低
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 510 个在招 · 其中自动驾驶 14 个
市场机会
选择面较广
上海 · 自动驾驶 · 约 190 个在招
职位详情
关于这个职位
负责加入英伟达自动驾驶团队，参与基于学习的驾驶决策、规划与行为算法开发
探索Transformer/VLM等前沿架构在场景理解与轨迹生成中的应用
构建数据清洗、模型评估及多车型适配工作流，提升自动驾驶系统性能
最低要求
目前就读计算机科学、人工智能、机器人学、数学或相关领域的硕士或博士学位
具备良好的Python编程能力，并有使用PyTorch或其他深度学习框架的实践经验
对机器学习、深度学习、Transformer架构、模型训练、优化及数据集分析有良好理解
具备熟练的英语沟通能力（书面和口头），能够与全球团队有效协作
实习期间每周至少能到岗三天
工作职责
开发、训练、微调和评估用于自动驾驶决策、规划和驾驶行为的基于学习的算法
探索基于Transformer的方法（包括VLMs和VLAs），用于驾驶场景理解、决策制定和轨迹生成
构建监督微调数据工作流和Python工具，用于场景挖掘、数据清洗、过滤、标注、实验管理、可视化和模型评估
分析模型失败案例和车辆日志，挖掘困难案例，改善数据集平衡性、长尾覆盖率和噪声质量
使用离线指标、开环回放、仿真和实车测试结果，开展监督微调、强化学习、消融和评估实验
支持多个自动驾驶项目中的模型和车型适配，包括问题分析、验证和规模化扩展
优先资格
具有监督微调、模仿学习、强化学习、行为克隆或基于学习的规划经验
具有使用或微调VLMs、VLAs或其他多模态基础模型的经验
熟悉自动驾驶数据集、轨迹数据、车辆日志、仿真或场景挖掘管道
具备较强的C++技能或相关的研究、开源、发表文章或竞赛经验
AI 洞察
优缺点分析
优点
- 依托英伟达顶级算力平台与真实车队数据，接触行业最前沿的自动驾驶技术栈
- 全球化团队协作环境，显著提升技术视野与英语沟通能力
- 实习期表现优异者可获转正机会或强推至核心研发部门
- 算法迭代速度快，需持续跟进最新论文与开源项目
- 数据清洗与模型调试工作量大，对工程落地能力要求极高
- 适合热爱AI与自动驾驶领域、具备扎实算法基础与强烈自驱力的硕博研究生或优秀本科生
缺点 / 挑战
- 竞争压力大，需在高强度研发节奏中保持高效产出
角色解读
- 可向自动驾驶算法专家或AI研究员方向发展，深入感知-决策-控制全栈技术
- 积累头部科技企业研发经验后，可转向自动驾驶系统架构师或技术负责人角色
- 负责自动驾驶核心算法的开发与训练，聚焦决策规划与行为预测模块
- 探索并落地Transformer/VLM等多模态大模型在驾驶场景中的应用
- 搭建数据流水线与评估体系，持续优化模型性能与泛化能力
- 扎实的深度学习与机器学习理论基础，精通Python及PyTorch框架
- 熟悉Transformer架构、强化学习及监督微调技术
- 具备数据处理、场景挖掘与模型评估的工程实践能力
申请策略
- 提前了解英伟达Drive平台架构与CUDA生态
- 准备1-2个完整的算法落地项目案例，重点说明问题定义、方案设计与结果验证过程
- 突出深度学习项目经历，详细列出使用的框架、数据集规模及模型指标
- 展示GitHub开源贡献、顶会论文或相关竞赛奖项
- 强调Python/C++编码能力与数据处理流水线搭建经验
- 深入掌握Transformer变体及多模态大模型微调技巧
- 熟悉自动驾驶仿真平台（如CARLA）与数据标注工具链
- 加强Linux环境与分布式训练实战经验
面试指南
- 采用STAR法则结构化回答项目经历，突出技术选型依据、实验设计逻辑与量化成果
- 针对算法原理题，先阐述核心机制，再结合自动驾驶场景分析适用边界与优化方向
- 请介绍一个你使用PyTorch完成的最复杂的深度学习项目，并说明遇到的挑战及解决方案
- 如何设计数据清洗流程以提升自动驾驶长尾场景的模型鲁棒性？
- Transformer架构在自动驾驶决策规划中有哪些优势与局限？
- 复习经典深度学习论文（如ViT、Diffusion、RLHF等）及自动驾驶主流算法（如End-to-End、Behavior Cloning）
- 准备可演示的代码仓库或实验报告
- 熟悉英伟达技术博客与最新产品动态
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
提供符合一线科技大厂标准的实习津贴，福利体系完善，整体薪酬竞争力处于市场偏高水平。
薪资信号偏高 (1.5千–2.2万/月)
成长发展
95较高
深度参与自动驾驶核心算法研发，接触前沿多模态大模型与强化学习技术，成长路径清晰且技术壁垒高。
技术前沿前沿/新兴技术
技术栈PyTorch、Transformer、VLM、VLAs、强化学习、监督微调、Python、C++
业务类型profit_center
工作生活
60中等
未明确提及弹性工作制，但作为研发型实习岗位通常有一定自主性；高强度算法研发可能导致阶段性加班。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
投身全球领先的自动驾驶技术研发，直接推动智能出行与AI技术落地，具有显著的行业前瞻性与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
英伟达 的其他在招职位
相似职位推荐
Watch Jobs