哈啰出行
智驾数据实习生-【自动驾驶】
智驾数据实习生-【自动驾驶】
发布于 大约 17 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
本科
数据处理
LLM
自动驾驶
VLM
Nuscenes
AI 估算 · 6k–10k
自动驾驶数据实习岗位，涉及前沿大模型和数据处理，技能要求高，但实习月薪通常在6k-10k，大厂平台溢价，整体有竞争力。
职位详情
关于这个职位
作为智驾数据实习生，你将参与自动驾驶数据流水线的设计与开发，利用大模型（VLM/LLM）进行自动化数据挖掘和标注，并跟踪前沿AI技术，在真实场景中完成模型微调与部署
该实习岗位提供转正机会，适合有计算机、算法基础并对自动驾驶感兴趣的同学
最低要求
学历与专业：本科及以上学历，计算机、软件工程、自动化、电子工程、人工智能、数学等相关理工科专业
技术基础：熟悉linux及C++编程，对基础的计算机原理、数据结构、操作系统等比较熟悉
模型与数据经验：有实际的数据处理、挖掘或分析经验，熟悉数据标注、清洗、增强等相关流程和方法
对大模型有深入理解，熟悉视觉语言模型（VLM）、大语言模型（LLM）的基本原理和应用有浓厚兴趣或实践经验
自动驾驶知识：对自动驾驶技术栈（感知、预测、规划）有基本了解，熟悉nuScenes、Waymo等至少一个主流自动驾驶数据集
个人素质：具备优秀的问题分析能力和解决复杂问题的热情，工作踏实靠谱，拥有良好的团队协作精神和跨团队沟通能力，表现优异者可转正
工作职责
车端与云端数据流水线构建：设计并开发车端轻量化数据筛选与触发器，制定数据采集策略，确保高效回收有价值场景
构建与优化云端大规模数据自动化处理流水线，包括清洗、送标和评测，支持模型的持续迭代
自动化数据挖掘与标注：利用基于规则和基于VLM大模型的方法，对海量驾驶场景进行自动化、智能化的挖掘与标签生成
针对大模型挖掘任务，完成数据方案制定、模型微调、loss优化、模型评测等
云端大模型：- 跟踪最新的AI进展，在公司自有数据集上完成适配验证，完成AI模型选型
参与或主导多模态视觉语言大模型的微调、优化与云端部署，使其适用于robotaxi场景的用户行为监测和车端Corner Case的远程决策支持（如生成避让、绕行指令）
优先资格
加分项：- 在Kaggle、天池等人工智能竞赛中取得过优异成绩，或在权威开源数据集榜单上排名靠前
有多模态学习、大模型提示词工程（Prompt Engineering）、智能体（Agent）设计应用或链式思考（CoT）等相关经验
AI 洞察
优缺点分析
- 接触前沿的自动驾驶和大模型技术，实战经验含金量高
- 公司平台大（哈啰出行），实习转正机会明确，职业起点好
- 涉及数据-模型全链路，能系统性提升工程和算法能力
- 自动驾驶行业高速发展，未来职业前景广阔
- 工作内容复杂，需要同时掌握数据工程和模型微调，学习曲线陡峭
- 自动驾驶场景数据量大，流水线维护和模型迭代压力可能较大
- 岗位对编程和算法要求较高，需要快速适应和持续学习
- 适合有编程和机器学习基础，对自动驾驶和AI大模型有浓厚兴趣，愿意在技术一线快速成长的本科生或研究生
角色解读
- 实习期间表现优异可转正，成为自动驾驶数据工程师或算法工程师
- 深入大模型领域，未来可发展为AI算法专家，专注于多模态学习和自动驾驶感知
- 积累数据流水线和大规模处理经验，可向数据工程或基础设施方向拓展
- 设计和开发车端与云端的数据流水线，包括数据筛选、触发器和自动化处理，以支持自动驾驶模型的迭代
- 利用基于规则和VLM大模型的方法，对海量驾驶场景进行自动化数据挖掘和标注，并负责模型微调与评测
- 跟踪最新AI进展，参与多模态大模型的微调、优化和云端部署，用于robotaxi场景的用户行为监测和远程决策
- 扎实的C++和Linux编程基础，理解计算机原理和数据结构
- 有数据处理、挖掘和分析经验，熟悉数据标注、清洗、增强流程
- 对VLM、LLM等大模型有深入理解，并有实际应用或微调经验
- 了解自动驾驶基本技术栈（感知、预测、规划），熟悉nuScenes、Waymo等数据集
申请策略
- 在求职信中表达对自动驾驶和AI技术的热情，提及对哈啰出行智驾业务的理解
- 建议提前了解哈啰出行的自动驾驶布局（如两轮出行、robotaxi方向），展示主动思考
- 突出数据处理或挖掘相关项目经验，包含数据清洗、标注或自动化流程
- 如有大模型（VLM/LLM）微调或应用经验，需详细描述模型选型、训练过程和效果
- 展示编程能力：C++/Python、Linux、数据结构相关项目或竞赛
- 强调对自动驾驶的了解，如使用过nuScenes等数据集，或参与过相关竞赛
- 补充大模型知识：学习Hugging Face Transformers、LoRA微调等工具
- 实践数据处理：用Python和C++实现数据处理Pipeline，熟悉常用库
面试指南
- 用STAR法则，先说明项目背景，再讲具体技术细节和你的贡献，最后总结成果
- 对于技术概念问题，先给出定义，再联系实际应用，展示深度理解
- 对于开放性问题，如数据质量，可以结合具体场景分析，体现系统思维
- 请描述一个你处理过的数据挖掘或数据清洗项目，用了哪些技术？
- 你对VLM（视觉语言模型）的理解是什么？请举例说明其应用
- 在自动驾驶中，数据质量对模型性能有什么影响？如何保证数据质量？
- 写过C++程序吗？请解释一下内存管理和智能指针的使用
- 你如何跟踪最新的AI进展？有没有读过相关论文并实践过？
匹配度报告
69
综合匹配度
前沿技术实习，高成长性，现场办公，薪资中等
适合人群
最适合注重技能成长和职业发展的求职者，尤其是对自动驾驶和大模型有热情的实习生。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展90
工作生活40
使命价值85
薪资福利匹配
60中等
实习生薪资水平中等，但哈啰作为大平台福利相对完善，整体补偿性中等。
薪资信号未披露 (6K-10K/月)
成长发展匹配
90较高
岗位涉及自动驾驶和大模型前沿技术，有完整的数据-模型闭环，实习可转正，发展性很强。
技术前沿前沿/新兴技术
技术栈C++、Linux、VLM、LLM、大模型、自动驾驶、数据处理、多模态学习
成长机会表现优异者可转正
业务类型ambiguous
工作生活匹配
40较低
要求现场办公，但未提及加班情况，作为互联网大厂实习可能面临一定压力，生活化动机满足程度较低。
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）
使命价值匹配
85较高
自动驾驶是高速增长赛道，对出行安全和效率有积极社会影响，工作内容具有创新性。
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