感知基座模型实习生-【自动驾驶】

优缺点分析

角色解读

• 可向自动驾驶算法工程师方向发展，深入感知、预测、规划等核心模块
• 在多模态学习领域积累经验后，可转向通用AI研究员或大模型应用开发
• 优秀实习生有机会转正，成为正式员工并在公司内部晋升
• 参与自动驾驶场景下的多模态大模型训练与优化，包括模型架构探索和分布式训练
• 搭建数据全链路，包括清洗、过滤、自动化标注，构建高质量训练数据集
• 设计并实现多维度模型评测方案，建立自动化评测流程，分析结果推动模型迭代
• 熟练掌握Python编程，具备良好的代码习惯和工程能力
• 熟悉PyTorch/VLLM等深度学习框架，有实际模型训练经验
• 了解Transformer架构，对大语言模型或视觉语言模型有一定基础

申请策略

• 申请时表明对自动驾驶场景的兴趣和长期发展的意愿，体现自驱力
• 关注哈啰出行自动驾驶业务布局，在面试中展现对公司的了解
• 重点突出与多模态学习、大模型相关的项目或论文经历，如VLM、Transformer等
• 强调Python编程和PyTorch使用经验，附上代码仓库或技术博客
• 如有自动驾驶相关经验或竞赛奖项，要显著列出
• 提前熟悉Hugging Face Transformers库，掌握常见预训练模型的使用
• 学习分布式训练框架如DeepSpeed、Megatron等，提高大规模训练能力
• 补强数据清洗和标注相关技能，了解数据工程工具链

面试指南

• 对于原理类问题，先给出核心概念，再结合自己的理解举例说明
• 对于项目经验问题，用STAR法则（情境、任务、行动、结果）结构化回答
• 对于开放性问题，展现思考过程，提出多种方案并比较优劣
• 请简述Transformer架构的原理及其在多模态模型中的应用
• 你如何设计一个针对自动驾驶场景的数据清洗流程？
• 什么是分布式训练？常用的并行策略有哪些？
• 你之前的项目中是如何调优大模型的？遇到过哪些问题？
• 对视觉语言模型（VLM）的理解？你知道哪些经典模型？