8月多的时候投的预测算法，笔试做完后，8月29号约的一面，而后9月25号约的二面，相隔可真长，现在又无信息了，估计无了一.笔试1. 计算几何，判断一个多边形是否是凸多边形2. 一个数n最少由多少个完全平方数组成3. 求一个数的平方根二.一面08291. 按STAR原则讲一下论文2. 实习时地图元素的处理和属性信息的利用是如何做的3. 不同的损失设计4. 软边界和硬边界如何考虑，如何交互？5. cost如何设计6. 一根木棍，随机分成三段，能够组成三角形的概率是多少？手撕： 二叉树的层序遍历三.0925二面1. 车辆尾灯信息的特征，是否会用尾灯信息做一个准确率的召回？一致性2. 算子支持情况的黑白名单3. 多模态的形式，无anchor-based的方法4. 变道场景在模型中如何处理5. 数据集的工作与管理手撕：单调栈相关题目#自动驾驶#

笔试A1.5/3 约9月25号一面，但似乎是被另一个部门捞起来的，本来投的是预测，最后被规划给捞起来了；问了很多传统的规划算法的内容，主要集中在A*，混合A*在实习项目里实际的使用和大体的方案；问了差不多30分钟；而后写两道题；第一道零钱兑换第二道八皇后要求用C++写#你都收到了哪些公司的感谢信？##自动驾驶#

应该也是boss直聘投的，简单聊了一下就直接约一面09.23了，两个面试官，面完过了一段时间又发了笔试，但已经不想做了一直拖着 就算了1. 模型和规则切换的过程是否会出现不稳定？2. 模型上一帧的规划结果是作为输入，还是只是作为损失的计算层面？如何计算？L2？3. 如何保证模型的输出是一个光滑的曲线？运动学约束的推导公式是如何的？4. 介绍一下实习工作5. 介绍一下论文6. 介绍一个learning-based 的规划方案 --Hydra-MDP#自动驾驶##

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09.031.  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09.201. scene-centric精度差的原因？以及可以优化的地方？2. sceneTransformer3. 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minFDE6. 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#

一面0924，而后约二面0926，但当时已经约了其他面试，故而请求改时间，然后一直没消息了。1. 无线算法部2. 损失超参数的调节与分析3. 论文相关4. 引用和指针5. 多态的引入带来的好处6. pytorch里的tensor和numpy的区别7. 深拷贝与浅拷贝#你都收到了哪些公司的感谢信？##深度学习#

8月20号投的，8月28号一面【秋招面的第三家，面试官很好，感觉是在和你讨论，并在过程中会表示肯定】，9月6号二面，二面后一个礼拜感谢信；二面代码面第二题虽然也大致写出来了，但面试官表示还是存在一些问题，听说是每一面后都会进行排序，估计排序挂了，不过代码功底也确实还是不够，需要加强，之前图论相关得题目还是写的太少了；正式批又重新开始面了 刚刚一面完08.28一面：1.  处理数据不平衡有什么方法2.  从评测角度去看类别不平衡3.  数据分布偏移：训练数据里面高速场景比较多的话，他会无法泛化到速度比较低的问题；模型里面有去解决吗？4.  元学习相关问题5.  地图的向量化编码相比原来的栅格的地图编码的区别，优劣6.  模型部署相关问题7.  如何做learning-based的决策规划的？整体架构8.  训练数据的来源是什么？可靠吗？如何评价数据的好坏9.  相较于传统规划，模型的优点是什么？能解决什么问题？10. cost的设计和优化相关问题11. 评测是如何的？12. 虚函数讲解一下13. 类里都有构造函数和析构函数，析构函数都需要声明成virtual，为什么需要这么做手撕：leetcode 149 Hard 线上最多的点数09.06二面：1. hot100 二分查找 求target第一个和最后一个的位置2. leetcode 365 水壶问题变种 改成求最小操作次数#你都收到了哪些公司的感谢信？##提前批简历挂麻了怎么办##深度学习##自动驾驶##小米#

0824笔试A 2.4/5，一志愿自动驾驶简历挂，二志愿机器学习被捞，两轮技术+HR面后排序挂一. 一面09.041. 过采样的一些方法2. 图神经网络的过平滑现象3. 三元组的损失的样本的选取原则4. 课程学习，调度器的公式是怎么样的？大概的形式是如何的？5. BN的作用是什么6. RNN和LSTM和Transformer的区别是什么7. Relu和sigmoid的函数区别？8. 深度学习的过拟合有什么解决方法9. 介绍一下逻辑回归10. 介绍一下决策树和XGBoost11. 哪一些基础性能会在你的就是未来的职业当中会被反复使用的。然后你在就是学习的过程当中，又去做了哪些事情去提升这种技能呢？ 手撕：1）梯度下降法求解根号n2）反转链表内部的部分区间 反问：1. 部门业务以及技术栈二.二面09.131. 一些自我介绍和经历讲述后【和一面差不多】，感觉开始类似HR面了2. 职业规划3. 假设让你在一个新的领域，然后去工作的情况下，你觉得通过哪些方式，你能更好的去学习这个知识和掌握新的技能呢？4. 在学校做研究或则实习的过程中，有遇到哪些困难或则挑战吗？5. 在进行多次的实验之后，有没有总结什么经验呢？6. 在研究或实习的过程中有遇到与人合作的吗，这其中会有什么问题吗7. 在众多岗位里面，做选择的话，你会考虑哪些因素呢？#你都收到了哪些公司的感谢信？##机器学习##深度学习##美团#

理想的志愿感觉不分第一和第二，感觉是看谁先捞；我之前投了深度学习工程师和自动驾驶算法工程师；深度学习工程师先约笔试面试了；抽象的是这个挂了之后给我发大模型的笔试，虽然我都没投；另外一个投了的同学面试后又被说简历不匹配，不明白0923一面1. 介绍论文相关内容2. 机器学习，深度学习，大模型技术各自的适用场景，从技术的角度和从应用场景的角度3. sigmoid函数表达式，以及他的导数推导4. 手撕岛屿数量5. 反问：业务--智能商业0927二面主管面1. 主管问了一下为什么简历上都是自动驾驶的经历，为什么要来做智能商业？然后浅聊一下 发现可能还是想做自动驾驶 故而主管就简单结束了#你都收到了哪些公司的感谢信？##自动驾驶##深度学习##理想#

7月29号投的飞星计划，深度学习平台框架与应用方向；9月4号约的一面，全程八股问题，不问简历相关的，也可能因为简历都是自驾的经历 问题主要包含C++，深度学习，Pytorch三方面。一. C++1.C++的版本是多少？2.编译的方式是怎么样的？3.链接的概念，动态库与静态库的区别，以及在linux中是以什么结尾的吗？4.针对于一个函数的话，里面的参数那些传值，那些传引用？5.const的多个功能，变量已经被const修饰了，但我想修改该怎么办呢？6.以cast结尾的关键词，你还知道哪些吗？7.const与constexpr，他们俩的区别是什么？8.Linux下进程与线程的区别，进程和线程序之间的通信是如何的？9.linux系统查询显卡的占用率的命令二. 深度学习1.模型断点保存的时候需要保存哪些信息？优化器的信息需要记录下来吗？2.常见的会改变学习率的优化器可以介绍一下吗？3.常用的损失函数4.DETR的框架结构介绍一下5.DETR里面的transformer结构的encoder和decoder是如何的？介绍一下？6.如果输入多张图片，但是他的W和H不一样的话，但我们想要给他拼batch，该如何去做呢？7.resize方法，padding，还有什么其他的方法吗？8.BN和LN的区别在哪？9.训练和推理的时候BN有什么区别吗？10.你还知道其他的算子在训练和测试的时候有不一样吗？三. Pytorch1.基于pytorch，如果我们需要搭建一个模型结构，并从头开始训练的话，我们需要做哪些工作呢？2.pytorch的dataloader和dataset这两个的一些常用参数能够介绍一下吗？可以支持你修改哪些参数？或则自定义的魔术方法哪些需要修改？3.tensor一般会有哪些属性？4.tensor里的数据有哪些类型呢，浮点型和整形的区别有了解过吗？存的是float还是int呢，是多少位呢？5.如果我想要冻结某些参数层呢？使其不更新呢？6.多卡训练的话，需要做哪些操作呢？四.反问1. 主要的工作内容超大量数据的清洗工具, 训练框架，基于pytorch，加一些定制化的操作; 推理引擎的开发2. 技术栈python和pytorch,C++,大模型的基础架构知识#你都收到了哪些公司的感谢信？##深度学习##科大讯飞##提前批简历挂麻了怎么办#

8月20号投的，9月26号一面，隔天就感谢信了1. 简历论文相关的问题2. 预测模型多模态的多种实现方式3. 模型部署工作问题4. AL-Planner模型中遇到的特别难解决的问题5. 模型如何解决大幅度绕行，该不该绕和绕行的幅度问题？6. 为什么AL-Planner有碰撞loss但是模型的输出还是会碰撞？手撕：封闭岛屿数量反问  a. 团队规模  b. 预测和决策联合的方案进展#你都收到了哪些公司的感谢信？##决策规划##自动驾驶##预测算法工程师#

秋招的第一次面试0815，当时还在公司实习，也没有太过多准备，很多东西回答的都不是很好；提前批挂了之后正式批也是直接简历挂1. 详细讲讲量产模型与MultiPath++与VectorNet模型的区别和改进？2. 交互用的是什么？MCG与cross-attention的区别？3. 地图的建模是如何的呢？4. 一个元素8个点，表示较短的道路来说是足够的，但是如果是表示较大的路口是不是不太够呢？    ⅰ. 会不会出现地图元素的失真呢？比如对于一个polygon进行降采样，可能会使得某些角落失真。    ⅱ. 这会不会影响一些道路的硬边界失真，使得车辆穿过的问题？会有些后处理的规则或则添加模型的loss直接约束呢？5. 预测模型的loss会有哪些？  a.  轨迹xy序列与真值的loss  b. 概率的loss是如何定义和训练的？  c. 意图的loss是如何定义和训练的？  d. 交叉熵损失和KL损失有什么区别？ 6. 每批数据里面，cut-in可能是比较少的值，那这样的话会有严重的数据不平衡问题，这是如何解决的呢？ 7. 比如真实场景下，cut-in只有比较少的，调整cut-in的数据，增加他分布的占比，会不会导致相较于真实世界，更多的召回cut-in？ 8. 模型部署这方面，有什么不支持的onnx算子吗？有什么限制吗？9. 预测不同的轨迹数量，是不是只有时延的考虑，能详细讲讲效果的考虑这方面吗？10. MultiPath++的EM算法讲一下手撕：棋盘问题DFS#你都收到了哪些公司的感谢信？##自动驾驶##深度学习##第一次面试#

应该是在boss直聘上海投的，不过其实面试官也觉得我没有做过从传感器端开始的算法，觉得可能不是很匹配09.06一面1. 模型部署具体是哪些算子不支持，如何解决？2. 在轨迹预测 数据这一块 你参与过哪些工作3. 构建轨迹真值的时候遇到最大的问题是什么      1. GT里存在缺失的情况下的多种处理机制      2. 缺很多，缺一帧，缺很多帧4. transformer  a. 简单描述一下原生的transformer的结构  b. transformer与CNN的优势和劣势在哪里？  c. 使得DETR变得轻量的话可以用什么方法，在模型层面？  d. FFN网络的本质是什么  e. transformer网络如车辆目标检测的DETR在车辆上进行部署最大的一个问题是什么？  f.  transformer类型的模型需要部署到车辆上的话设计模型需要去注意哪些点呢？5. 目标检测做的多吗？特征提取的backbone里面，哪些你用的比较多？6. Encoder越大确实越强，但是他可能部署不上去，如何去权衡性能与推理时间？7. 手撕：  a. 二分查找，有序重复数组寻找第一个等于target的位置  b. 进阶版本：无序重复数组寻找第一个等于target的位置#你都收到了哪些公司的感谢信？##如何判断面试是否凉了##自动驾驶##深度学习#

因为主要做的是预测算法和AI-Planner，而易控也没有对应的预测算法工程师的HC，只能投传统规控，感觉面试官不怎么感兴趣笔试：1. 最长连续序列2. 打家劫舍II3. 直线上最多的点数 0905一面：1. 你们的A*是如何做的？A*的终点2. 在sl上做A*的话是如何扩展节点的？3. 如何保证AI-Planner输出是具有运动学约束的，是光滑的？如果两个点之间用运动学连不上怎么办呢？4. 输出的是这些控制量，那如果这些控制量不满足运动学约束怎么办，因为比如说从第一个点到不了第二个点？5. 你这个能够保证AI-Planner输出可以避开哪些障碍物吗？6. 这个能力的边界大概是多少，也就是说大概多宽的会绕不过去呢？7. 你这个下游该如何用你的这个模型呢，在什么时候用你这个模型，在什么时候不用呢？【模型能力的边界决定了相应模型的使用场景】【模型如何与上下游进行联合？】反问：1. 下游如何使用上游的预测轨迹，2. 当轨迹过多时，优化可能会无解空间，耗时也很高；3. V2X来传递不同卡车之间的信息#24届软开秋招面试经验大赏##如何判断面试是否凉了##24届秋招同行攻略分享##自动驾驶##深度学习#