面试

智元的面试难度名不虚传，是我面了这些家里面难度明显最大的，给我都面沉默道歉红温了 一共有两位面试官，均未开摄像头，主要是对项目深深拷打➕迁移化拓展，此外还非常注重理论知识的掌握，对于项目会提问“这里用到了/验证了哪些理论？”以及一些与项目完全不相关的八股（涉及机械设计、有限元仿真基础以及材料力学理论力学等），并且还会出一些公司的技术情景题让你设计规划 其实面完我就红温然后感觉要凉了，刚刚居然收到了二面邀约，所以感觉难和有点压力是他们的特色吧，问题只要能答上60%以上可能还是有戏的 我投的仿真岗，机械结构/仿真的同学一定要注重八股，项目没涉及的也要注重，机械原理机械设计材料力学理论力学等最为重要，uu们加油

我的二面相对一面来说无论是问题还是面试官态度都温和很多，面试时长半小时 1️⃣对我的算法项目很感兴趣，问了一些问题以及讨论在实际量产的时候能否将生产一致性考虑进去（虽然这个跟仿真岗看似没什么关系 2️⃣问我有没有做过疲劳仿真，我说没有，于是针对疲劳出了个情景题让我谈谈用仿真的解决思路 3️⃣疲劳相关的八股 4️⃣平时学习一个新的软件要多久 5️⃣实验室什么强度，怎么看待996 6️⃣能不能去实习 整体不难，就是我个大蠢猪面试前几分钟入会发现电脑摄像头突然坏了，没来得及调试好于是没开摄像头跟ld面试了（ld 还开了）

最近面完了智元的VLA相关岗位，目前只进行了一轮，想聊聊我对这个岗位的理解。 面完以后重新看了一遍JD，我的第一反应是：这个岗位想要的可能不只是“会训练VLA模型的人”，而是能够把模型、数据、强化学习、机器人控制和真机验证串起来的全栈型选手。 首先是模型层。 Transformer、SFT、RLHF只是基础，还需要理解VLA里的视觉—语言—动作联合建模，以及世界模型如何完成环境建模、状态预测和行为预演。模型不仅要生成动作，还要能在闭环交互中持续修正决策。 其次是机器人层。 JD里同时出现了任务规划、运动控制、多模态感知、复杂操作和闭环执行。这意味着只会讲模型结构可能不够，还需要理解动作最终怎样落到人形、四足或者移动操作机器人上。 第三是数据与训练闭环。 Sim2Real、数据蒸馏、自监督、离线与在线学习都被写进了岗位描述。我的理解是，这个岗位很关注真实机器人数据难获取、分布差异大以及模型如何持续迭代这些落地问题。 所以这个岗位给我的整体感觉更像“具身基础模型研究＋机器人系统落地”，覆盖面非常广。论文和模型能力能帮助进面，但真正做起来，实验复盘、问题定位和真机闭环可能同样重要。 目前我只走完一轮，这些更多是结合JD和面试后的个人理解，不代表完整招聘标准。

本人bg：双9硕，一篇a会，三段具身相关实习 1.讲一下对QKV的理解，尤其是kv cache 2.self attention八股，伪代码 3.flow matching八股，伪代码 4.训练数据是关节角还是末端位姿？训练数据量多大？ 5.Lora微调的效果如何，训练时长？ 6.是否使用过数据增强，有哪些方法？效果如何？ 7.umi训练遇到的问题及数采规范 8.数采的pipline如何搭建，遇到的问题有哪些？ 9.手撕MHA，写完挑了几个问题（比如shape的流转等） 个人体感面试难度不算高，偏八股和项目，细节问题方面相较于自变量友好一些

题目：为什么选择智元机器人的运动控制算法岗位？你对这个岗位的理解是什么？ 🎯 考察点：求职动机、对公司及岗位的认知程度、职业匹配度 📝 解题框架： 1. 行业与公司选择 从具身智能与人形机器人赛道的发展前景切入，结合智元在行业内的技术积累和量产落地能力，说明为什么选择这家公司而不是其他机器人公司。 2. 岗位匹配度 结合自己的专业背景、项目经历和技能栈，说明为什么适合运动控制算法岗位，具体到控制理论、强化学习、机器人学等方向的积累。 3. 个人成长诉求 表达自己希望在真机落地、算法从仿真到实机迁移的过程中获得成长，而不只是做纯理论研究。 ✅ 参考答案：我选择智元主要有两方面考虑。首先是赛道选择，人形机器人是目前AI落地物理世界最核心的载体，运动控制又是人形机器人的核心技术栈之一，我看好这个方向的长期价值。智元作为国内少数实现了人形机器人规模化量产的公司，既有算法积累也有硬件量产能力，不是单纯做科研Demo，这点很吸引我。 其次是岗位匹配。我本科和硕士都是控制理论与控制工程方向，期间做过两个跟机器人运动控制相关的项目——一个是基于MPC的四足机器人步态控制，另一个是用强化学习做机械臂轨迹跟踪。我熟悉PID、LQR、MPC这些经典控制方法，也有强化学习和仿真环境（Isaac Gym、MuJoCo）的使用经验，跟岗位要求比较契合。 我对这个岗位的理解是，它不是纯理论算法研究，而是要把算法真正跑在机器人本体上，解决真机调试中遇到的各种实际问题，比如sim-to-real迁移、控制延迟、传感器噪声这些。我希望能参与从算法设计到真机落地的完整流程，这也是我选择智元而不是纯研究院的原因。 回答时注意不要泛泛而谈「我对机器人很感兴趣」，一定要结合自己的实际经历来说明匹配度。

原帖正文没有可复制文字；已从配图 OCR 提取 35 个问答条目，详见下文。

4.6开始投简历和刷lc，大概投了十多家暑期的具身岗，全部头铁官网投递，今天终于收到offer。 只投了World Model相关岗位。 智元： 4.13 一面挂（面试官极其逆天，迟到+不开摄像头+不听项目讲解，直接要求手撕项目代码）

还是得潜下心来一点点把数学学透，代码还是得深究，还是得坚持！！

1. 在自回归解码中使用 KV Cache 时，key 和 value 分别缓存的是什么特征？如果在机器人视觉动作模型中启用 KV Cache，会对时序动作推理带来哪些影响？ 2. 当模型采用 Group Query Attention（GQA）或 Multi-Head Attention（MHA）结构时，KV Cache 的存储和索引方式会有什么不同？如何避免在长序列机器人任务中因 KV Cache 过大导致显存溢出？ 3. 为什么在 UniVLA 中直出式 action decoder 效果比 flow matching 更好？ 4. Self Attention 的完整计算流程是什么？ 5. 注意力计算中为什么要除以 √dₖ？ 6. Group Query Attention（GQA）的结构和作用是什么？ 7. 模型输出的是关节角还是末端位姿？具体自由度是多少？ 8. 采用多任务混合训练，相比单任务单独微调，效果有什么差异？ 9. 数据集是如何采集、预处理并接入训练流程的？整个数据链路是怎样的？ 10. 训练时的硬件配置、数据量与训练时长大概是多少？ 11. 你在动作解码模块做了哪些优化？为什么这么设计？ 12. 有没有尝试过位置编码来增强左右手空间感知？效果如何？ 13. 模型在推理时出现机械臂停滞、动作不连贯的原因是什么？ 14. Uni VLA 训练时遇到的主要瓶颈是什么？为什么无法利用历史帧？ 15. 本地评测结果和官方榜单是否一致？如何验证模型性能？ @职场薯

作为双2工科硕士，我通过扎实的论文基础和面试技巧，成功拿到智元机器人的Offer。避雷小贴士：避免去技术混乱或无正职带路的公司，面试时强调学习工业经验，接触过技术即回答“接触过”。

研一在读，做过一个智元具身模型的部署训练微调工作。年前年后投了许多家具身初创或者有做vla的车企的实习，最后oc了三家。总体感觉这个方向找实习有一些运气成分，有些初创缺人的话就只有一轮面试，而且大部分具身公司不需要手撕，而车企的面试普遍会流程上规范一些有手撕的环节。 这段时间也积累了一些被问到的具身面试问题，给想找具身实习的大伙分享一下，希望能对大家有帮助。可能没记太全，想起来再继续补充。 1.pi0和pi0.5的区别 代码上什么区别 2.pi和gt00t的流匹配的区别 3.描述智元LAPA工作 4.ACT训练和推理的流程 4.数采原理和方式 5.RTC有没有做过，如何实现 6.模型预训练用什么开源数据 7.介绍自己用过的模型的整体框架与流程，模型输入输出，夹爪or灵巧手 8.接着上面的问题，模型具体使用时存在什么问题，可以怎么样改进或者创新 9.如何设计的具体任务，长序列为什么成功率低 10.有些企业还会问vlm相关的内容，比如transformer，vit，自回归生成的整个流程，模型多少b之类的 11.还有一些对技术方向的理解的问题，比如对世界模型有无了解，解释快慢系统，对数据来源的看法之类的 手撕类： 1.用pytorch写多头注意力 解释过程 2.leetcode的题 3.flowmatch伪代码 可能没记太全，想起来再继续补充。大家如果有自己遇到的一些经典具身面试问题也可以评论区互相补充一下互相帮助。