职位题库

自动驾驶算法工程师面试题库

面向自动驾驶算法工程师相关面试，围绕强化学习、问题定位、漏检分析、数据闭环、场景切片等主题展开练习，结合题目考察点、回答思路、参考答案和常见误区，梳理知识要点并练习清晰表达。

13 道题目建议用时 39 分钟专项面试练习

全部题目 13 道题

考察候选人对实习项目的理解深度，包括任务定义、数据形式、评估指标设计及噪声处理，判断其是否真正参与核心工作。

考察候选人对强化学习项目核心问题的理解，包括场景建模、奖励函数设计及模型评价，判断其研究深度和工程能力。

考察候选人对项目演进的理解，以及在新场景下模型设计的创新点和工程实现能力。

考察候选人对模型训练方式的理解，包括联合训练、监督数据来源及预训练与微调的关系。

考察候选人对AI辅助编程工具的实际使用经验，包括场景、流程、问题定位及上下文管理。

考察候选人手撕代码能力，包括区间排序、合并逻辑、边界处理和复杂度分析。

考察候选人对自动驾驶感知硬件的基本认知，是否理解不同传感器在系统中的角色。

考察候选人对摄像头和激光雷达特性的理解深度，以及能否从工程角度分析选型权衡。

考察候选人对多模态感知的理解，是否了解融合层级和典型方法。

考察候选人对端到端自动驾驶范式的理解，包括其优势、挑战和与传统模块化方案的区别。

考察候选人将场景需求转化为测试用例设计的能力，以及理解感知输出与下游模块的接口需求。

考察候选人是否真正参与过感知模型落地，能否说清设计取舍，并具备离线与车端指标偏差的定位能力。