面试

1. 自我介绍 2. 实习中体现好奇心与创新的实践 发现现有功能的数据异常后，主动分析原因并提出改进方案，最终推动上线并带来正向数据反馈。重点突出“发现问题—提出假设—推动落地”的逻辑链条。 3. 遇到过比较困难的事情及解决方式 思路：困难时聚焦于资源有限、时间紧迫或需求模糊等真实场景。 4. 优缺点分析 5. 为什么选择产品经理岗位 说明自身特质（如善于抽象问题、关注用户体验）与产品工作的匹配度；再阐述对产品经理价值的理解（连接用户、业务与技术，驱动产品迭代）；最后用实习经历佐证该认知，形成闭环。 6. 产品经理应具备的核心特质 · 逻辑能力：拆解复杂需求、梳理业务流程的基础； · 沟通能力：协调多方诉求、推动项目落地的关键； · 书面表达与数据敏感度：撰写PRD、分析用户行为数据的必要技能。 7. 职业规划 关注行业认知与业务洞察的积累。 8. 机器人产品相较传统软件产品，在能力要求上有何特殊侧重？ · 进度管控：硬件交付涉及供应链与生产周期，环环相扣，容错空间小； · 成本意识：需兼顾时间成本、硬件制造成本与研发投入； · 持续学习：硬件迭代周期长，需保持对新技术、新场景的好奇心与创新力。 没反问环节，感觉还可以。

具身面经分享：宇树科技AI算法工程师一面，直接给我问自闭了！！！ 最近整理到一份宇树科技 AI 算法工程师一面面经。 看完最大感受： 现在具身算法岗，真的不是“会调个 VLA”就够了。😂 第一题： 👉 VLA 模型核心架构是什么？ 👉 RT-2 怎么把连续动作变成 Action Token？ 👉 画架构图，并写出动作 Token 的数学定义。 如果只会一句： “图像+语言输入模型，然后输出动作。” 基本到这里就卡住了。 第二题更狠： 👉 7B VLA 推理只有 1～3Hz，但机器人底层控制要 50～200Hz，怎么解决？ 这已经不是考论文，而是在问： 模型到底怎么真正跑到机器人上。 要能讲出： ⚡ 快慢脑分层 ⚡ 蒸馏和量化 ⚡ Waypoint + 插值 ⚡ 不同方案的 Trade-off 第三题继续： 👉 如果基于 7B VLM 做机器人持续预训练，数据集怎么搭？ 互联网数据、仿真数据、真机数据分别放多少？ 训练前中后期，比例为什么还要动态变化？ 整套题其实就考一件事： 动作怎么表示 → 怎么实时执行 → 用什么数据 学会执行。 现在头部机器人公司的面试，越来越看重的是： 模型、数据、控制、真机工程能不能真正串起来。 我把这几道题完整拆成了 8 张卡片，包含 VLA 架构、Action Token、控制频率和持续预训练数据配比。 准备 VLA / 具身智能 / 机器人算法岗的，可以收藏。

- RAG 中，什么场景下会同时使用向量数据库和关系型数据库？ - RAG 检索中，如何实现向量检索和关键词检索的混合召回？ - 为什么向量数据库不用 B-Tree 作为高维向量索引？ - ANN 检索中，HNSW 和 IVF 索引有什么区别？ - RAG 中，文档 Chunking 策略如何选择？ - RAG 检索链路中，Embedding 和 Rerank 模型分别负责什么？ - RAG 中，如何优化过短或语义模糊的 Query 检索效果？ - 知识频繁更新时，RAG 如何保证知识时效性？ - 大模型应用中，哪些问题更适合通过微调解决，而不是优化 RAG？ - 模型微调后，如何评估是否真正提升了业务效果？ - 同时使用 RAG 和微调后效果仍不好，应该优先排查哪些环节？ - Agent 推理过程中，ReAct 和 CoT 有什么区别？ - Agent 调用工具失败时，重试策略如何设计？ - Agent 调用工具时，如何区分可重试错误和不可重试错误？

7.3 投递硬件 9.1 一面 本来约定下午四点面试，三点多改到了晚上八点半面试，整体面试五十分钟，目前为止面试时间最长，问的最深的一次面试，问的太多了太杂了，面试官挺有礼貌的，但是没开摄像头，有几个问题基本上不是在提问更多是在探讨，也会给你讲一些原理，面试体验给到夯👍，就是时长有点长，力竭了 先是自我介绍，对岗位JD的匹配度的认知(最开始投的灵犀，后面转到了另一个硬件工程师岗) 介绍项目1框架，传感器的采集原理，采集芯片的工作原理，为什么电压会影响电容容值的大小(问的很深，我都已经把电偶极子，感应电荷都答了)，项目中的亮点，感悟；项目2的整体架构；项目3的传感原理（也是基本上到原理公式的层面），项目中电路设计考虑因素有哪些，和项目1的区别 硬件八股相关:STM32外围电路，mode0-3四种通信模式的区别，晶振电路中电容电阻的选取，晶振的布局，电容的等效阻抗模型（串联还是并联），容性感性的趋势变化，随电容容值增大谐振频率变化趋势，一个10微法的电容能否用五个2微法的电容并联代替，滤波电容的放置，SPI通信速率，奈奎斯特采样定律， 对于人形机器人的了解，灵巧手的了解，未来的就业方向，你所希望的一个培养学习模式如何 最后反问

围绕 VLA 数据算法：如何判定一条轨迹是不是高质量数据、模型失效时如何归因于数据/模型/执行。面试官整体更看重数据、模型和真机结果之间的闭环。内容为投稿人口述整理，非逐字记录。

围绕世界模型（动作可控、多视角一致、长时序稳定）与国内训练的 VLA 在海外交通场景的失效风险。团队更关注世界模型、跨地域泛化和自动驾驶数据闭环。内容为投稿人口述整理，非逐字记录。

没问八股，一直在问我的项目做了什么，链路是什么，没啥压力，只需要把你做的东西说出来就好，面试官也很和蔼一直就说ok

🤔想入职 Momenta？想秒懂“世界模型工程师”？ ✨成为“天选Momentum”的路上，请带上小M的独家面经！ 岗位核心职责有哪些？硬实力门槛迅速 get！ 真实成长体验大揭秘？带你走近工作日常！ 面试官最在意的候选人特质？一篇快速上手！ Follow 小M，即可获得专属内推通道，投递简历快人一步！

M带着第3期Mstar官方岗位面经来啦！ “一个模型，能不能同时"看懂路况、想清后果、做出判断"？” 这次小M和面试官面对面聊了一个下午，开口就抛了这个问题，面试官不仅认真回答了， 还 Highlight 出了重点内容—— 在Momenta， 端到端大模型算法工程师能够做什么？ Mstar 同学的真实工作体验如何？ 面试官青睐的候选人特质有哪些？ 左滑图片，你想知道的都在里面！ 关于端到端大模型算法，还有什么想了解的？问题请在评论区大胆提问call M！

由于本人第一次面试，没有任何经验，遂专业基础基本没答上来（全忘了😭）： 项目问题还算比较细，具体到某个具体结构设计的原因、零部件如何选型。 专业知识考察大概是这些，电机传动；列举你所了解的金属和非金属材料；电弧焊和线切割加工；3d打印；用机加工处理一根细长管要注意什么；铝合金有哪些表面处理方法。 基本都不会，尴尬得脚趾抠地第一次面试毫无准备，看来得好好准备专业知识了

岗位：电子硬件集成研发工程师 六月底最早投的一批，当时还是实习，一直以为挂了，结果8.14约面了 拷打最深最细的一次面试，也是收获最大的一次面试，学了很多知识。面试官人也非常好，答不上来也完全不压力，我没答到或者说错的地方都会跟我讲解补充，也会引导我的回答，非常耐心。但是自己太菜了，很多知其然不知其所以然

依旧字节seed面经，需要自取，不需要的看个乐呵！ 秋招加油！

主包也是完全没想到第一个给我发面试的居然是seed，感觉受宠若惊了，不过主包投递的岗位确实与我的上一段实习经历非常的match，主包虽然知道机会渺茫还是好好准备了面试 流程3min自我介绍+30min项目+20min算法+5min反问 项目我简历写了两部分，一部分是我的实习工作，另外一部分是我自己的项目，面试时只聊了我的实习工作，聊了大概三十多分钟，面试官问的很细，不过主包都是自己实打实做的，问的很多具体细节以及思考主包都想过。不过我看很多帖子seed的面经都问了大模型基础，我还特意复习了一下结果都没问八股（可能项目更加重要吧，而且match） 然后就是算法题，算法题是圆内点的均匀分布，看到题目第一眼其实我很懵逼，因为没看懂题目啥意思，想了十多分钟，最后写的伪代码，感觉面试官更加在意思路，也算是半ac吧。 面完当天没收到结果我大概就知道凉了，第二天问了下hr确实凉了，也是意料之中，hr给我的反馈结果大概意思还是相关经历太少，不过面评应该还行，因为后面被别的hr积极捞了，导致我目前的简历还在被锁中我都不知道锁在哪。。。 面试官非常的奈斯，整个面试都能感觉到被尊重，以及认真的交流，不过我也觉得一段小厂相关实习0论文确实够不到seed的门槛，明年再战

1.自我介绍 2.说一下在学校中主要做了哪些项目，介绍你对linux这一块和你刚才提到的RK3588，你重点把你学校做过相关的东西介绍一下 3.RTOS和linux之间的区别 4.RTOS下的调度时延明确的是吧？那linux下有方法能实现这种可预期的调度么（具体怎么实现的） 5.说一下linux中断下半部的几种实现方式，区别是什么？ 6.你有进行过linux中断相关的开发么？（我说没有，只有进行过ARM+RTOS上的中断开发） 7.什么情况下需要屏蔽中断？（我回答的是优先级翻转，不知道对不对）之后就问除了这个还有别的吗？ 8.数据结构有接触过么？你说一下链表和数组的区别，你说一下怎么去判断一下链表里面有没有环？ 9.说一下IIC协议？有用过么？说一下IIC里边上拉电阻阻值一般选什么？阻值的大小会影响什么性能？ 9.linux系统里面有哪些情况会产生段错误？（我没懂什么是段错误，从来没接触过），然后他就问你开发调试的时候没有遇到过段错误么？（我说是线程崩溃了么）他说你可以理解成线程崩溃（我就回答空指针或者越界，解决这种问题可以减少共享状态或者增加边界检查、看门狗或者说进行进程隔离） 10.进程隔离怎么解决段错误？（这是AI给的答案么） 11.你说一下函数指针怎么定义？你描述一下。 12.（手撕）假如我要定义一个int返回值，两个int参数的函数指针，怎么写？你可以直接敲，这里不有消息框么，发过来就行。（解释一下你写的这个定义） 12.什么是指针函数？ 13.反问（①这个岗位主要是做什么：答：嵌入式bsp么，就和你简历上写的这些是差不多的，RK3588或者其他soc芯片的bringup工作，比如设备树的点亮，RTOS也会涉及一些） ②你觉得我哪里做得不够好的，回去可以补充（答：理论基础有点太差了，当然我能感觉出来你刚才用AI了，你面试的时候就正常面试就可以了，你用了AI就没法判断你说的那些信息哪些是对的哪些是错的，就那些是你真是真实掌握的哪些是你没掌握的） ③这个岗位在实习和校招上在学历上和有明确的筛选条件么（答：目前没有，能力够就可以） 到此我就小破一防，没再问了，耻辱下播

我是今年三月份转入嵌入式linux学习的，导师给我的方向是端侧模型部署，但这玩意门槛太高果断转行。 个人感觉:项目>手撕代码>八股 先自我介绍 然后逮着项目问，掺杂一些八股 我感觉嵌入式岗位比较关心dma,内存方面的知识。代码的话力扣hoot100就够了，嵌入式更关心底层的数据结构的实现:内存池，fifo,大小端，内存对齐。 八股跟着网上经验贴背诵就行了，然后结合ai做一些demo。 一定要在面试中学习，而不是学习完再面试，没人能学完的

面试时间：35分钟左右 面试难度：正常 面试内容：首先进行自我介绍；然后开始问项目，首先讲一下项目的整体框架，项目需求是什么，设计完成后，各个指标有没有实际测试，能否满足目标；为什么要考虑多源数据采集，具体的方案是什么，各部分模块怎么选型的，会考虑哪些细节，具体带宽计算以及主控板是否满足通信带宽要求，USB协议有哪些，速率分别是多少，你的主控板有哪些外设资源，怎么分配的；你在公司中做信号仿真工作的流程是什么，眼图会重点关注哪些指标，各指标的含义是什么，怎么判断眼图是否合格，当遇到信号质量不合格情况，你是怎么排查问题，如何优化的；项目中经历过最困难的问题是什么，如何解决的，最后就是反问环节。 面试结果：等待hr通知。 秋招面试流程：一轮技术一轮综合，然后hr面

具身智能VLA面经复盘 2026-08-03，收到 1 条具身智能方向-宇树科技 AI 大模型后端岗面经投稿。 面试核心不在通用 LLM 算法，而是 **VLA（Vision-Language-Action）具身模型 + 机器人端云协同**。面试官明确在区分「懂通用 LLM 的人」和「懂机器人+LLM 的人」。以下提炼本批最高频考点。 **考点一：VLA 与通用 LLM 的本质区别** 这是面试核心区分题。通用 LLM（GPT-4、Claude）做文本对话，输出 token 序列。VLA 模型（如 UniFoLM-VLA）做的是文本指令→机器人动作向量，输出的是物理世界可执行的 action。回答时需体现对「LLM 从数字世界走向物理世界」这一趋势的理解，而非停留在文本生成。 **考点二：机器人业务系统设计** 不能只给互联网高并发标准答案。需主动覆盖三要素：①实时性——指令延迟毫秒级响应；②边缘算力受限——推理不能全放云端，需端侧 / 边缘侧推理；③硬件断连——断网本地降级、设备指令重传机制。面试官核心考察点：是否意识到互联网业务和机器人业务的最大鸿沟。建议多了解 ROS2 通信框架（话题 / 服务 / 动作）的基本概念，不要求手写节点，但需理解消息流转链路。 **考点三：具身智能行业认知** 面试官会先问「你了解宇树产品吗？看过官方开源仓库吗？」——诚意题。提前了解 G1、H1、Go2 等产品线，跑通 UniFoLM-VLA 推理代码，了解输入输出格式是基本要求。RAG/Agent 已从加分项降级为「默认基础」，真正的加分项在具身智能领域知识。 **考点四：后端经验在 AI 场景的独特价值** 面试官明确认可后端价值，不要求「抛弃 Java 做纯 AI」，反而看重分布式架构、服务化、设备接入等工程经验在机器人场景的迁移能力。他们要的是「懂后端的大模型应用工程师」，而非「半吊子算法工程师」。这对非算法背景转 AI 的候选人是个重要信号。 完整面经合集在 llmbases.com 第 9 章。

今天笔记里Agent部分新增一个专题，我们聊聊Agent的健壮性设计。 这个问题为什么很重要，在我讲2026面试官最喜欢的6个AI项目里面，讲到了把Agent做的更加健壮，产生错误优雅处理和回退，是面试官比较关注的点，是区分你的项目是Demo还是企业项目的考察点之一。 同时最近我在解析面试真题，宇树科技Agent开发一面和英伟达一面都问了这个健壮性的问题。我们从这几点也可以看出来这个问题在面试中的重要性。 （ps: 英伟达Agent开发一面面试内容，我会马上精讲加入到笔记中，这个内容来自于我的好朋友，后面会给大家介绍） 所以笔记专门加入了一个专题，聊聊健壮性设计。我们会讲解比如工具调用失败，模型调用失败，推理失败等等各种失败，如何优雅处理和降级。同时将面试问题穿插其中。 这些各种失败里 ，最常考的就是工具调用失败如何处理了吧。 这个问题，比较系统的做法是：先区分失败类型，是确定性错误，还是瞬态故障。 确定性错误，比如模型调参数给错了，那么可以让模型重新推理参数。 如果是瞬态故障，比如网络问题，那么业界经典做法就是 指数回退+随机扰动。 同事，错误我们要尽最大能力去处理。但是一定要用熔断机制，不能陷入死循环。 最后如果尝试失败，需要优化回退。 这就是比较对这个问题的思路，不要一上来就说把错误给Agent进行推理。我们要先判断错误类型。按照这个思路回答，面试官一定会对你竖起大拇指！