卡尔动力预测算法一二面

卡尔动力二面相隔的时间很长,而且都没有手撕,面试官都非常好,探讨了许多开放性的问题,学习到了很多,就是似乎不往下推进了
一面09.03
1.  模型的泛化能力是如何评估的?效果如何?
2.  持续学习的现实意义,应用场景
3.  主动学习
4.  车辆的尾灯信息的利用
5.  预测和规划接口的设计,多模态的承接能力
6.  轨迹和意图是对应的吗?
7.  上游发了两条轨迹,下游是同等的使用,那么这两条轨迹有没有什么意义,区别呢?
8.   waymo交互预测
9.   AI-Planner数据的来源 
10.  基于规则系统提供真值是否合理
反问:
1.  在卡车1带多的业务模式下,轨迹预测与普通的会有什么区别吗?
2.  AI-Planner的情况
二面09.20
1. scene-centric精度差的原因?以及可以优化的地方?
2. sceneTransformer
3. 交互,一致性预测GameFormer如何做的?
4. 优化目标和评价指标本身需要那些改动?
5. 在scene-centric的情况下,如何提升agent-wise的指标,即单个agent的minADE与minFDE
6. 损失的设计方式,拉普拉斯分布或则高斯分布的损失设计区别
7. 预测和规划如何更好的去做协作,下游需要什么形式的多模态的定义
8. 多模态有哪些类型?
9. 下游如何更好的去使用这些多模态的信息?
10. 基于规则已经能够解决的话,需要用模型去解决什么问题呢?
11. 直接输出一条替代完整planning系统的轨迹存在问题,那这个问题可能是什么造成的呢?可以从哪些方面去做优化呢?
反问:
1. 预测和决策如何联合的?
#你都收到了哪些公司的感谢信?##自动驾驶##卡尔动力#
全部评论
大兄弟,二面结果通知了嘛
1 回复 分享
发布于 2024-10-29 14:57 北京
大佬,二面通知结果了嘛
1 回复 分享
发布于 2024-10-25 11:06 北京
好奇有感谢信..我三面完..没推进也没感谢信
点赞 回复 分享
发布于 2024-10-30 17:07 北京

相关推荐

1.WordCount 具体是怎么跑的?比如怎么分片、map 阶段做了啥、shuffle 是咋回事、reduce 最后怎么汇总的2.MapReduce和Spark 到底差在哪儿?适用场景这些都得对比着说3.Spark 提交任务时,Client模式和集群模式有啥不一样?比如 Driver 在哪跑、日志在陖瞎圈看、适合啥场景4.同一条 SQL,为啥 SparkSQL 跑起来比HiveSQL 快?得从执行引擎、优化器这些底层说说原因5.自定义 UDF 怎么实现?比如在 Hive 或Spark 里,具体步骤是啥,有没有踩过坑6.设计 HBase 表得注意啥?rowkey 怎么设计才合理、列族要不要分、版本数怎么设,这些睪腘狐旨を曽斷纰可能问到7.HBase 里的 HLog 是干嘛的?跟数据持久化、故障恢复有关系吗8.都是存在 HDFS 上的数据,为啥 HBase 能支持在线实时查询,Hive 就不行?底层存储结构不一样在哪9.用 SparkSQL 操作 Hive 数据时,有没有縈区堠浓ゴ壮攥到过兼容性问题?比如某些函数不支持、数据格式读不对之类的,怎么解决的10.Spark Streaming、Storm、Flink 这几个流处理框架,区别在哪?各自的优缺点和适用场景得搞明白场景题:11.数据量特别大,要用三个 Map 和一个Reduce 来做 Top10,哪种方法效率最高?得考虑怎么减少数据传输、避免倾斜
查看11道真题和解析
点赞 评论 收藏
分享
评论
4
14
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务