面试

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。

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。

朋友们，今天解析今年7月份 的宇树科技Agent开发一面。 这次面试简直就是纯纯的一个八股大战，好像是我解析这么多面经以来问八股问的最多的面经了。 虽然叫他八股，但也不是纯贬义。很多这些知识点我觉得都还是挺重要的。这些问题的答案也可以作为很多其他问题的出发思路。 我将这一次面试的所有对应的问题，都收录到了笔记对应的知识专题讲解部分，这样让大家在学完某个知识点后，下方就能看到对应的面试真题，检验自己。这形势像是在复习高考一样。 宇树的二面，也是很多八股问题，我还挺想解析的，把面试真题作为专题知识的补充是一个特别好的形式，让你看笔记的时候更有意思。 我应该会继续解析二面，甚至是三面，来扩充我们笔记。 我现在有巨多面经，收集面经真的不是卡点（谢谢大家的反馈和投稿），卡点是每个面经我都是深度解析，解析的太慢了。 即使是这么一次纯八股的面试，每个题目我都是重新查阅了书籍，组织答案，视频讲解八股的思路，学习的重点，整理出来的。之前我不是发了Agent健壮性设计的专题讲解吗？ 这些都是从这个面试题里先抽了一部分，做专题深入讲解。包括今天又根据这次面试，整理了ReAct对应的知识点。 我希望每一个面经，大家看到，不光知道答案，也知道要学习什么，学习多深，学习策略，所以一直也在根据面经，沉淀对应学习思路，准备策略。根据最新面试情况：把重点的内容突出，把不是那么重点的内容标记，让大家知道面试喜欢考什么？考多深也是笔记想要达到的目标。 未来应该会更新大量的面经了。因为我自己也准备面试了，9月份，我会以我面试为主线，更新面经，更新包装方法，简历编写方法等等。感兴趣朋友记得关注我！

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！

面试官给我的感觉起码是一个部门的主管级别吧 主包投了运控和具身，打算主攻运控的，看的流程是运控在进行中，所以基本没看具身的算法，但是面试官是主攻算法的 导致就是问我世界模型细节懂不懂、LLM细节懂不懂、VLA细节懂不懂…真正的运控的问题反而没有 问面试官说运控岗和具身岗面试没有什么区分吗，他说既然搞机器人的各方面都应该掌握 肯定是g了，还是碰瓷不了头部厂啊，但是能给我面的机会就不错啦