2. 自动驾驶数据工程师高频面试问题与回答框架

面试官考察点

• 是否理解数据闭环的完整链路，而非只做单点任务。
• 场景挖掘的方法论：规则、模型、主动学习、人工反馈。
• 对 Corner Case 的定义、优先级排序与量化能力。

回答框架

1. 背景与目标：项目规模、数据量、迭代周期。
2. 挖掘策略：基于规则/模型/不确定性采样，分层筛选。
3. 落地动作：标注、训练、回归验证，形成闭环。
4. 结果与反思：指标提升、效率优化、可迁移经验。

简短示例回答

在 L4 项目中，我负责从 50 万帧路测数据中挖掘加塞与鬼探头场景。先用规则过滤出急刹与横向切入片段，再用不确定性采样筛选模型置信度低的样本，最终标注 8000 帧，模型误检率下降 12%。

可能追问

• 你如何定义“不确定性”？用了什么指标？
• 挖掘出的场景如何保证覆盖度与多样性？
• 标注成本如何控制？有没有做自动标注？

避坑提醒

• 不要只讲“我用了某个工具”，要讲清楚筛选逻辑与阈值依据。
• 避免夸大个人贡献，明确“我负责”与“团队完成”的边界。
• 不要忽略闭环验证，挖掘后必须回到模型指标。

面试官考察点

• 工程化思维：从数据接入、处理、挖掘到输出的全链路设计。
• 对计算资源、存储、调度、版本管理的理解。
• 能否平衡挖掘效率与场景质量。

回答框架

1. 数据接入层：多源数据（路测、仿真、回放）统一格式与索引。
2. 预处理层：解码、抽帧、同步、降采样，降低计算量。
3. 挖掘层：规则引擎 + 模型打分 + 主动学习，多路并行。
4. 输出层：场景片段、标签、优先级，对接标注平台。
5. 监控与迭代：挖掘命中率、标注转化率、模型收益。

简短示例回答

我设计过基于 Spark 的挖掘流水线：先统一解析 rosbag 与仿真数据，抽帧后并行跑规则与模型打分，再按场景类型聚合输出片段。上线后挖掘效率提升 3 倍，标注转化率从 15% 提升到 40%。

可能追问

• 如何处理数据倾斜与任务失败重试？
• 规则引擎和模型打分如何融合？权重怎么定？
• 如何保证挖掘结果的可复现性？

避坑提醒

• 不要只讲“用了 Spark/Flink”，要讲清楚为什么选它。
• 避免忽略数据版本与场景标签的元数据管理。
• 不要只谈技术，要关联到业务收益与迭代速度。

面试官考察点

• 对数据价值与成本的权衡能力。
• 是否掌握主动学习、半监督、自动标注等降本手段。
• 能否用数据驱动的方式做优先级排序。

回答框架

1. 定义覆盖度：按场景类型、天气、光照、地域等维度分层。
2. 成本量化：单帧标注成本、模型收益、迭代周期。
3. 降本策略：主动学习选样、自动标注预标注、人工抽检。
4. 动态调整：根据模型短板与长尾分布，动态分配预算。

简短示例回答

我按场景维度建立覆盖度矩阵，优先补充模型表现差的类别。同时引入主动学习，只标注高不确定性样本，配合自动标注预生成框，人工仅做修正。最终标注量减少 30%，模型关键指标仍提升 8%。

可能追问

• 主动学习的采样策略具体怎么实现？
• 自动标注的精度如何评估？会不会引入噪声？
• 覆盖度矩阵的维度如何确定？

避坑提醒

• 不要只讲“少标数据”，要讲清楚“少标但有效”的依据。
• 避免忽略自动标注的误差传播与质量监控。
• 不要给出无法落地的理想化方案，要结合团队实际资源。