4. 端到端模型架构与训练策略面试题
第4章 · 端到端模型架构与训练策略
模仿学习 · 强化学习 · 世界模型 · VLA · 扩散策略 · 在线蒸馏 · 公司侧重点
端到端自动驾驶的面试核心在于：你能否清晰对比不同训练范式的适用边界，并解释公司为何选择特定架构。本章围绕模仿学习、强化学习、世界模型、VLA、扩散策略与在线蒸馏，拆解高频考点与回答框架。
面试官通常从“架构选型—训练策略—落地挑战”三层追问，你需要展示对技术取舍的深度理解，而非单纯罗列名词。
Q1
模仿学习与强化学习在端到端自动驾驶中的取舍？
面试官考察点
对IL/RL本质差异的理解、分布偏移问题、奖励设计能力、实际落地经验。
回答框架
1. 定义与适用场景：IL适合有大量专家数据、快速冷启动；RL适合探索最优策略、但奖励设计难。
2. 核心挑战：IL存在因果混淆与分布偏移；RL样本效率低、安全探索难。
3. 融合趋势：IL预训练 + RL微调、离线RL、世界模型加速。
2. 核心挑战：IL存在因果混淆与分布偏移；RL样本效率低、安全探索难。
3. 融合趋势：IL预训练 + RL微调、离线RL、世界模型加速。
简短示例回答
示例：“模仿学习能快速利用专家数据，但分布偏移会导致闭环崩溃；强化学习可优化长期回报，但奖励稀疏且安全风险高。实际中常用IL做预训练，再用离线RL或世界模型微调，兼顾效率与性能。”
可能追问
- DAgger如何缓解分布偏移？在线蒸馏与DAgger的关系？
- 奖励函数如何设计？逆向强化学习在自动驾驶中怎么用？
- 离线RL的保守性如何影响策略泛化？
避坑提醒
- 不要只说“IL简单RL难”，要具体到数据分布、奖励设计、安全约束。
- 避免混淆在线蒸馏与DAgger：蒸馏是策略压缩，DAgger是数据聚合。
Q2
世界模型与VLA在端到端架构中分别解决什么问题？
面试官考察点
对世界模型预测能力、VLA多模态融合、扩散策略生成的理解，以及架构选型逻辑。
回答框架
1. 世界模型：学习环境动态，用于想象推演、RL加速、规划验证。
2. VLA：视觉-语言-动作统一，利用语言先验提升泛化与可解释性。
3. 扩散策略：建模多模态动作分布，适合复杂交互与不确定性场景。
2. VLA：视觉-语言-动作统一，利用语言先验提升泛化与可解释性。
3. 扩散策略：建模多模态动作分布，适合复杂交互与不确定性场景。
简短示例回答
示例：“世界模型让车在潜空间‘想象’未来，降低真实交互成本；VLA借助语言指令增强场景理解与零样本泛化；扩散策略则能生成多模态轨迹，应对路口博弈等不确定场景。三者常组合使用。”
可能追问
- 世界模型的多步预测误差如何控制？一致性损失怎么设计？
- VLA中语言模态如何与BEV特征对齐？训练数据从哪来？
- 扩散策略推理步数太多，如何加速？蒸馏到单步？
避坑提醒
- 不要将世界模型等同于预测模块，它更强调可微分、可规划。
- VLA不是简单拼接，要说明跨模态注意力与动作解码设计。
Q3
在线蒸馏在端到端训练中如何应用？不同公司侧重点有何差异？
面试官考察点
对在线蒸馏机制、教师-学生架构、公司技术路线的理解，以及量产落地意识。
回答框架
1. 在线蒸馏：教师模型实时生成软标签，学生模型在线更新，缓解分布偏移。
2. 公司差异：特斯拉重数据闭环与影子模式；Waymo重仿真与安全冗余；新势力重快速迭代与成本。
3. 落地挑战：教师延迟、学生容量、训练稳定性。
2. 公司差异：特斯拉重数据闭环与影子模式；Waymo重仿真与安全冗余；新势力重快速迭代与成本。
3. 落地挑战：教师延迟、学生容量、训练稳定性。
简短示例回答
示例：“在线蒸馏让教师模型在闭环中实时指导学生学习，比离线蒸馏更适应分布变化。特斯拉用影子模式收集corner case，Waymo强调仿真验证，国内新势力则追求端到端快速迭代与芯片适配。”
可能追问
- 在线蒸馏与DAgger的区别？教师模型如何更新？
- 如何评估蒸馏后的学生模型是否保留了教师的关键能力？
- 你了解哪些公司在端到端量产上的具体方案？
避坑提醒
- 不要泛泛而谈“蒸馏就是压缩”，要强调在线数据分布对齐。
- 公司侧重点要具体，避免“都重视数据”这类空话。
📁 真实项目模板 · 端到端模型训练策略优化
可迁移
项目名称
基于在线蒸馏的端到端自动驾驶模型闭环训练
业务背景
L2+城市NOA量产项目，需解决模仿学习闭环分布偏移导致的接管率上升问题。
规模指标
- 训练数据：1000万+ clips，覆盖20+城市
- 模型参数量：教师1.2B / 学生300M
- 闭环接管率降低：32%
技术栈
PyTorch
BEVFormer
Diffusion Policy
在线蒸馏
CARLA
影子模式
核心难点
- 教师模型推理延迟高，无法满足在线蒸馏实时性要求 → 采用异步蒸馏 + 缓存机制。
- 学生模型容量有限，难以拟合教师软标签分布 → 引入特征蒸馏与注意力对齐。
- 闭环训练中分布偏移导致学生策略崩溃 → 设计DAgger式数据聚合与安全回退策略。
面试高频追问
- 在线蒸馏中教师模型如何更新？是否使用EMA？
- 如何量化蒸馏后学生模型与教师模型的行为差异？
- 闭环训练中如何保证安全性？有没有设计影子模式对比？
- 扩散策略的推理步数如何优化？是否尝试过一致性模型？
可迁移回答话术
- “我们通过在线蒸馏将教师模型的闭环经验实时传递给学生，同时用DAgger聚合新数据，有效缓解了分布偏移。”
- “在量产约束下，我们选择扩散策略生成多模态轨迹，并通过蒸馏将推理步数从50步压缩到8步，满足实时性。”
- “公司侧重点不同：特斯拉强调数据闭环与影子模式，Waymo重仿真与安全冗余，我们则聚焦端到端快速迭代与芯片适配。”