端到端模型算法实习生（VLA/VLM方向）-【自动驾驶】

优缺点分析

角色解读

• 实习期间表现优异可转正，成为哈啰正式算法工程师
• 深入自动驾驶核心算法领域，未来可向感知、决策规划等方向进阶
• 积累前沿技术经验，为读研或进入其他AI公司打下坚实基础
• 负责VLA/WAM算法的预研，跟踪最新论文和开源模型
• 复现并部署开源模型，在自动驾驶场景中验证效果
• 优化模型结构（如Vision Encoder、LLM、World Model），提升复杂场景下的性能
• 熟练掌握Python和PyTorch，能够快速实现深度学习模型
• 深刻理解VLA/VLM/World Model等主流框架，了解自动驾驶算法前沿动态
• 具备自驱力和良好沟通能力，能够与团队高效协作

申请策略

• 关注哈啰自动驾驶部门的公开技术博客或招聘宣讲，了解其技术方向
• 在申请中说明可以实习的时长和每周天数，展示诚意
• 突出自己实现过的VLA/VLM或相关模型的项目经历，最好有GitHub链接
• 强调PyTorch和Python的熟练度，可附上代码片段或比赛经历
• 如果有自动驾驶相关课程、竞赛或论文，务必重点展示
• 体现自驱力和协作能力，如参与开源项目或团队合作经历
• 提前阅读VLA、Vision-Language Model、World Model的经典论文，并尝试复现
• 熟悉哈啰的业务场景，思考算法如何应用于两轮车或出行场景

面试指南

• 对于模型类问题，采用‘模型结构-数据-训练-部署’的框架，先讲原理再结合实际经验
• 对于项目经历，使用STAR法则（情境-任务-行动-结果），突出个人贡献和技术难点
• 对于开放性问题，展现你的思考过程，可以先从问题定义开始，再逐步分解
• 请介绍你熟悉的VLA或VLM模型，并说明其优缺点
• 如何将开源模型部署到实际自动驾驶系统中？有哪些关键步骤？
• 你在项目中遇到的模型训练或优化难题是什么？如何解决的？
• 为什么选择哈啰自动驾驶？你对这个方向有什么理解？
• 如果让你改进一个现有的VLA模型，你会从哪些方面入手？