岗位与去向
端到端范式下，自动驾驶公司的竞争焦点从单点算法转向数据飞轮：量产车数据回传 → 场景挖掘与自动标注 → 训练 → 闭环评测 → OTA。数据闭环与世界模型岗位由此快速扩张，分布在头部自驾公司与主机厂智驾部门。
面试高频
- 每天回传 PB 级数据，怎么设计挖掘管线找出有价值的长尾场景？
- 自动标注怎么保证质量？大模型预标注+人工质检的分工怎么设计？
- 端到端模型的评测为什么难？开环指标和闭环表现不一致怎么办？
- 世界模型方向：视频生成模型怎么用于造训练数据？和传统仿真器比优劣是什么？
- 工程题：训练数据版本管理和实验可复现怎么做？
答题要点
- 飞轮视角：任何环节的产出都要回答「对模型迭代速度的贡献」。
- 数据质量意识：标注噪声对端到端模型的影响远大于模块化方案。
- 评测优先：没有可信评测，数据和模型的迭代都无从谈起。
准备清单
- 把扩散模型/自回归生成的原理过一遍，能手推训练目标。
- 了解公开的自动驾驶数据集与场景挖掘论文各一篇。
- 大数据背景的候选人整理一个海量管线项目：规模、瓶颈与优化。