长城汽车
长城汽车-多模态大模型算法实习生
长城汽车-多模态大模型算法实习生
发布于 大约 10 小时前实习/见习
人工智能
Pytorch
Tensorflow
多模态大模型
推理加速
模型压缩
深度学习
自动驾驶
AI 估算 · 3k–6k
职位详情
关于这个职位
该职位是长城汽车智能驾驶部门的多模态大模型算法实习生，主要参与端侧多模态大模型的落地研发，包括模型轻量化、量化压缩、推理加速等，并搭建数据集进行模型微调与优化
你将有机会接触前沿的世界模型技术，并在仿真与实车场景中验证效果，适合对自动驾驶和AI大模型感兴趣的在校硕士生
最低要求
计算机、人工智能、自动化等相关专业背景
熟悉 Transformer 架构及多模态融合技术
熟练掌握主流深度学习框架，有大模型部署经验者优先
工作职责
参与智能辅助驾驶端侧多模态大模型落地研发，融合图像、点云、导航文本做场景理解与通用决策
负责大模型轻量化、量化压缩、推理加速适配车载平台
搭建智能辅助驾驶专属数据集，完成模型微调、对齐与场景泛化性优化
跟进世界模型前沿方案，协助完成仿真与实车场景效果验证
AI 洞察
优缺点分析
优点
- 接触前沿的多模态大模型和自动驾驶技术，技术含量高
- 长城汽车作为大型车企，平台稳定，资源丰富
- 实习期间可积累实战经验，提升就业竞争力
- 自动驾驶领域技术难度大，需要较强的学习能力
- 实习岗位竞争激烈，转正机会不确定
- 适合对自动驾驶和AI大模型有浓厚兴趣，具备扎实深度学习基础，并希望在真实场景中应用技术的在校硕士生
缺点 / 挑战
- 可能面临较大的工作压力和加班
角色解读
- 从实习生转正为正式算法工程师，深入参与自动驾驶核心算法研发
- 向技术专家方向发展，成为多模态大模型或自动驾驶领域的专家
- 有机会晋升为团队负责人，带领项目团队
- 参与智能辅助驾驶端侧多模态大模型的研发，融合图像、点云和导航文本进行场景理解与决策
- 负责大模型的轻量化、量化压缩和推理加速，使其适配车载平台
- 搭建数据集，进行模型微调、对齐和泛化性优化
- 跟进世界模型前沿技术，协助仿真和实车测试
- 熟悉Transformer架构和多模态融合技术
- 熟练掌握主流深度学习框架，如PyTorch或TensorFlow
- 了解模型压缩、量化、推理加速等技术
- 具备自动驾驶或相关领域知识者优先
申请策略
- 关注长城汽车智能驾驶部门的业务方向，了解其技术栈
- 在申请中表达对自动驾驶技术的热情和长期发展意愿
- 突出相关项目经历，如多模态模型、Transformer应用等
- 强调深度学习框架的使用熟练度，如PyTorch、TensorFlow
- 展示模型压缩或部署经验，如量化、剪枝等
- 如有自动驾驶相关项目或竞赛经历，务必突出
- 深入学习Transformer架构和多模态融合技术
- 实践模型压缩和推理加速技术，如TensorRT、ONNX
面试指南
- 对于项目介绍，采用STAR法则，突出你的贡献和成果
- 对于技术问题，先阐述原理，再结合实践案例
- 对于开放性问题，展示你的思考过程和知识广度
- 请介绍一个你参与过的多模态或大模型项目
- 如何对Transformer模型进行压缩和加速？
- 你如何理解自动驾驶中的场景理解？
- 谈谈你对世界模型的了解
- 你使用过哪些深度学习框架？请举例说明
职位点评
64
综合评分
前沿技术、大平台，但实习薪资一般，工作强度可能较高。
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。
更适合这类人
适合追求技术成长、对自动驾驶有热情，能接受一定工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利50
成长发展90
工作生活40
使命价值80
薪资福利
50较低
实习薪资相对较低，但公司平台大，福利可能较好。
薪资信号未披露（AI估算：3K-6K/月）
成长发展
90较高
职位涉及前沿技术，能快速提升技能，发展空间大。
技术前沿前沿/新兴技术
技术栈多模态大模型、Transformer、模型压缩、推理加速、自动驾驶
业务类型profit_center
工作生活
40较低
实习可能工作强度大，且工作地点不确定，灵活性低。
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
80较高
自动驾驶技术对社会有积极影响，行业前景好。
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