智驾er的春招之旅
个人背景：中9本硕，一段轻舟实习，无顶会但有Kaggle 3D Detection银牌
投递清单及进度
小米汽车 | 感知算法工程师 | Offer | 3.5笔试→3.12技术面→3.20HR面 |
蔚来 | 量产感知算法 | 二面挂 | 简历评估2周→3.8一面→3.15二面 |
理想汽车 | BEV感知研发 | 终面待定 | 3.1笔试→3.10技术交叉面 |
小鹏汽车 | 场景语义理解 | 已OC | 免笔试→3.6直接两轮技术面 |
元戎启行 | 端到端模型研发 | 二面 | 3.13投递→3.20一面 |
Momenta | Occupancy算法 | 一面挂 | 3.3笔试→3.18技术面 |
面经分享
1. 小米汽车
一面大概一个多小时
- 开始是5分钟左右的自我介绍（自己提前准备好了PPT）
- 二叉树最大路径和（变种）+ 多相机标定矩阵求解算法题：设计BEV视角下的非极大值抑制(NMS)
- PyTorch实现RoIAlign反向传播（现场推导公式！）
- 项目深挖：实习时BEV车道线拟合的损失函数设计（答出GaussianFocal Loss加分）
- 八股：Transformer在BEV中如何解决长序列问题？（答稀疏注意力+局部窗口）
面试官人超好，基本上不问我不会的，不会为难我，经常说“没事哈”，最后还花了10多分钟跟我介绍车辆控制方面的细节
2. 元戎启行
一面大概面了一个小时，本来以为会主要问检测跟踪相关的，结果主要还是就着我的实习来提问
- 自我介绍
- adetailer使用如何实现增大与用户相似度
- 删除链表中重复元素
- 牛客网如何证明你的BEV模型优化真正提升了量产车指标？（需对比A/B测试数据）
- 数据闭环中bad case挖掘的具体流程？（答了聚类分析+人工标注优先级）
- 如果特斯拉开源下一代Occupancy方案，你会如何快速迭代？（答：优先复现+对比测试关键模块）
面试难度还是比较高的，全程拷打，不过跟牛客上说的一样，面试官都比较专业，也很尊重人，面试体验也拉满。
3. Momenta
面了半个小时左右吧，不知道是不是kpi面
- 自我介绍
- 实习深挖
- Occupancy网络如何平衡精度和推理速度？（答NeRF+体素稀疏化被质疑计算量）
- 贝叶斯滤波在动态障碍物预测中的应用（没答全直接凉）
面试体验也还不错，不过确实没答好，大概率是直接凉凉了
#春招##momenta##小米求职进展汇总##元戎现在香不香#
投递特斯拉等公司8个岗位 >
查看3道真题和解析