【量天尺】智驾模型开发-上海

优缺点分析

角色解读

• 技术深耕：从模型开发进阶为AI架构师，主导自动驾驶感知或决策系统的整体设计
• 行业跨界：积累的端到端VLA和世界模型技能可迁移至机器人、大模型等领域
• 管理方向：随着经验增长可带团队，转型为AI团队的技术负责人或项目经理
• 开发和优化智能驾驶的AI模型，包括感知、端到端VLA、世界模型等核心模块
• 跟踪AI研究进展，在自有数据集上验证新模型，进行模型选型和适配
• 参与数据方案制定、训练代码编写、模型结构和Loss优化以及模型量化部署
• 针对测试中的问题快速设计改进方案并修复，推动模型迭代落地
• 扎实的深度学习基础，熟悉CNN、Transformer等主流模型结构及算子
• 精通Linux和C++编程，掌握计算机原理、数据结构和操作系统知识
• 有模型开发部署经验，熟悉nuScenes、KITTI等自动驾驶数据集
• 优秀的英文文献阅读能力，能够追踪前沿论文并复现关键方法

申请策略

• 在简历和面试中突出与端到端VLA、世界模型相关的经验，即使不是直接匹配，展示学习迁移能力
• 关注哈啰出行的技术文化，强调自己“理性务实、敢想敢干”的特质，与JD中的同频共振要求呼应
• 重点突出发表的顶会/顶刊论文或竞赛获奖（如Kaggle、ACM-ICPC），并简要说明创新点和影响
• 详细描述自动驾驶或机器人相关的科研项目或实习经历，强调模型优化和部署成果
• 列出在开源数据集（如nuScenes、KITTI）上的排名或项目链接，证明实战能力
• 强化C++编程和Linux环境下的模型部署技能，熟悉TensorRT、ONNX等推理优化工具
• 提前阅读哈啰出行相关技术博客或论文，了解其智驾路线（如是否涉及多传感器融合）

面试指南

• 对于技术问题，采用STAR法则：情境-任务-行动-结果，强调技术选择依据和量化成果
• 对于开放性问题（如VLA对比），先定义概念，再分点列出优劣，最后结合实际场景给出倾向性建议
• 请详细描述你在nuScenes或类似数据集上开发的一个模型，包括架构、Loss设计和优化过程
• 你对端到端VLA模型的理解是什么？与传统模块化方法相比有哪些优劣？
• 如何评估一个新提出的AI模型是否适合部署到车端？你会考虑哪些指标？
• 请举例说明你如何解决模型训练中的过拟合或收敛问题
• 如果你发现模型在实车测试中频繁误检，你会如何分析并改进？
• 复习经典模型（ResNet、ViT、DETR、UniAD等）的论文和代码实现，理解关键细节