元戎启行算法岗面经+内推

📍 个人背景打底:
985本硕  |  研究方向 :CV多传感器融合/决策规划 (选填你的核心方向)
技能栈 :C++/Python双修 | PyTorch/TensorFlow熟练工 | ROS2/CyberRT接触过
科研&项目 :顶会/顶刊 * X (有必填) | 自动驾驶相关项目 * X ( 感知/预测/定位/规控 等)
刷题 :LeetCode 400+ (面试报了250+,重点刷 图论/DP/几何/搜索 )

💥 三轮技术面深度复盘(硬核预警!):
✅ 一面:算法根基 + 工程手撕 (70min - 基础考察)
1. 理论轰炸区:
多传感器融合 :卡尔曼 vs 粒子滤波优缺点 & 适用场景 (拿IMU+GNSS紧耦合举例)?时间同步 ( 硬同步/软同步 ) 咋搞?
深度学习CV :BEV感知为啥火?痛点在哪?Transformer (DETR, BEVFormer) 咋用在感知里?模型轻量化 ( 蒸馏/量化/剪枝 ) 实战过吗?
 SLAM/定位 :后端优化 (BA, Pose Graph) 是啥原理?回环检测常用招数?动态物体干扰咋办?
2. C++/工程实战区:
性能优化 :手撸并行加速点云聚类 (OpenMP/CUDA思路),Eigen库高效矩阵操作技巧, 深度学习推理内存泄漏 怎么防?
数据结构设计 :动态障碍物轨迹 (带时空信息) 用什么数据结构存又快又好?
3. 算法手撕区: (现场写码!)
动态障碍物轨迹预测 + 冲突检测  (时空占用网格 or OBB相交判定,二选一)
点云地面分割/聚类  (RANSAC, DBSCAN 等实现 & 优化)

✅ 二面:系统设计 + 地狱场景 (100min - 能力纵深) 🚗 自动驾驶算法架构设计:
 分布式感知痛点 :
多车协同感知框架咋设计? (异构传感器数据融合 + 带宽/时延限制)
海量点云/图像数据Pipeline怎么搭高效? (ROS2/CyberRT选型? 数据传输、序列化、推理Pipeline优化)
模型落地难题 :
模型 在线更新  +  A/B测试 怎么做才安全?
边缘设备 ( Jetson ) 模型 部署优化 经验有吗?

⚡️ 地狱级场景题 (重点!):
 十字路口修罗场 :感知有误 (遮挡、误检) + 通信延迟,多车+行人怎么协同决策? ( 规则派 还是 强化学习派 ?) 安全性咋量化?
 极端天气Buff :暴雨/浓雾天,怎么让感知模型更稳? ( 数据增强 ? 多模态融合 ? 后处理玄学 ?) 🧪 模型与数据暴击:
 数据闭环 :怎么自动挖Corner Case触发模型重训?Pipeline咋搭?
 仿真 VS 现实 :用CARLA等仿真器高效生成刁钻场景 + 评估算法? ( 场景泛化性 是关键!)

✅ 三面:CTO压力面 + 灵魂对谈 (50min - 格局视野) ❗ 夺命连环问:
“L4落地最大的 技术坎 在哪? 突破口 你觉得是啥?” (秀技术视野深度!)
“算法 安全性 (SOTIF功能安全) 怎么贯穿 模型设计->训练->测试->部署 全流程?” (ISO 21448了解一下!)
“你的研究/项目到底怎么 解决自动驾驶真问题 ? 创新点 和 落地价值 在哪?” (价值论证是核心!) 💡 反向收割 (把握主动权!):
技术栈:贵司 自研算法框架 的核心优势?和Apollo/OpenPilot比 差异化 在哪?
真挑战:目前算法团队啃的 最硬骨头 是什么? (展现解决复杂问题的渴望!)

🚀 算法岗通关秘籍 (牛客精华版):
1. 项目包装术:
科研项目 => 直戳痛点 :论文包装成解决具体问题 (e.g., 长尾检测 -> 提升路口“鬼探头”识别;轨迹预测 -> 优化Cut-in预判)。
 工程项目 => 突出闭环 :狂吹 算法部署 、 性能调优 、 数据Pipeline 、 仿真验证 全链条能力!
2. 八股重生法:
基础算法 => 绑定场景 :DP -> 行为决策/路径规划;图论 -> 高精地图处理/车路协同;几何 -> 传感器标定/碰撞检测。
深度学习 => 聚焦落地 :少讲原理,多讲 模型设计如何解决具体问题  (e.g., 时序模型搞轨迹预测,注意力机制破遮挡)。
3. 仿真Demo潜规则 (超级加分项!):
必杀技 :用CARLA/LGSVL搭典型高危场景Demo (e.g., 无保护左转、VRU密集路口),展示算法处理过程 + 结果分析!GitHub源码链接当“投名状”,甩给面试官!
隐藏大招 :展示自研的Corner Case生成 + 自动化测试脚本 (体现工程化思维)。

📣 【内推直通车】牛客专属福利,面试流程加速!
🔥 内推码:NTAW9FW (投递时务必填写,这是关键!)
🚀 极速内推链接:

👉 投递后助攻: 在此帖下留言 “李四 + 算法岗 + 你的牛客昵称/邮箱(选填)”,我会尽力帮你盯进度!关于算法岗考察细节、流程疑问也尽管砸过来!
       
#校招# #秋招# #元戎启行秋招# #26届# #面经# #算法岗#
全部评论
感谢
点赞 回复 分享
发布于 07-25 17:03 安徽

相关推荐

不愿透露姓名的神秘牛友
08-06 15:04
2025-06-25 投递2025-07-01 ai面2025-07-14 一面一面:我有问过身边几个朋友最近小鹏的面经,都和我完全不一样,经历仅供参考。无八股无手撕,无压力面,纯项目。约的晚上很晚的时间,总时长40min。首先说我内容做的很详细,但全篇只问了我第1个项目的事情。问题1:你在这里面的担任,做了哪些工作我脑子抽抽,滔滔不绝讲了10min,背景、创新、方法全讲了一遍。面试官没有打断。问题2:左右相机建立的点怎么判断是同一个追问:在候选角点密集且有噪声的情况下,如何确定一对一对应,以便进行后续优化。追问:如果共识区只取一半参与计算,那和中间重叠的部分就会被排除,导致原本应有的 overlap 消失。追问:如果左右分开管理,可能会出现一边优化得很好,到另一边由于边缘等因素优化质量较差的问题。回答:把我问住了,我的设计确实没有很好的考虑这个点,只是实现了预期功能,没有更深一步考虑追问:特征点在转移到另一个相机后位置发生明显偏移,你会调整这个位置,还是等最后的大BA统一优化?回答:没有专门在这一步进行调整,处理方式比较简单,确实可能存在优化空间。问题3:角点不明显的场景也有改善?回答:虽然没有这方面内容,但我没直接说,而是拿了一部分之前的工作往这方面的东西去靠。我的方法两相机视角差别大,特征点的匹配效果不好,做过这个问题的相关研究。文章的创新点里也考虑了这部分内容问题4: C++ 多线程和内存方面的了解(不算是“考”八股)回答:底层理解不深,但平时会用到,比如基于开源算法时会参考已有的互斥锁等资源保护做法,我本身在效率和内存上没有做特别多优化问题5:平时调试的逻辑回答:分模块逐步修改,边改边测中间结果,避免一次性大改造成混乱。提取核心功能写 demo 单独验证,通过再整合进系统,并举了替换描述子的实际例子说明。追问:c++这样的话还是比较麻烦,要是Python的话会简单回答:我笑着说是,然后又简单讲了一个虽然工作量很大,但也能做到的例子他笑着跟说,经常Python10分钟就搞定,c++写几个小时,最后一跑起来还挂了最后 HR 认真介绍了他们部门在做地图相关工作,我顺势问了自动驾驶的趋势,聊到了端到端和传统方案。大同小异,端到端为主,传统方法更多起兜底作用。考虑到时间太晚就没有问别的。结果大概两天内出,后续还有一次技术面和主管面。整体感觉很好,面试官态度很友好,也是这段时间唯一一个夸过我的HR。
查看9道真题和解析
点赞 评论 收藏
分享
评论
3
6
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