面试

/小米 大模型/VLA 一面面经投稿，汇总如下： 本批面经集中在「生成式模型评估」与「具身智能架构」两个方向，体现工业界从拼模型能力转向拼系统落地。 **生成式评估：指标怎么选，打分模型怎么校准？** 相关性；端到端看任务成功率。关键要区分「检索-生成」耦合评估与解耦评估，避免把召回不足误判为生成幻觉。 **VLA 架构：从零设计的关键是动作表示与实时性** 小米具身智能面经全部围绕 VLA 架构与路线判断。标准链路：Vision Encoder → 对齐层 → LLM Backbone → Action Head。动作空间表示是核心分歧：连续值直接回归简单但高频控制压力大；离散 token 可与语言统一但精度受限；Diffusion Policy 在动作平滑性上更有优势。当前最大瓶颈是数据闭环（跨本体、跨场景）和 Sim-to-Real 鸿沟，改进方向是自动标注 + 失败恢复重标，以及结合世界模型做长程规划。 完整面经合集在 llmbases.com 第 9 章，欢迎私信投稿！！！

面了43分钟，半个多小时一直在挖简历问，问的真是口干舌燥，后面几分钟就问的很正常，对小米汽车的了解，哪里人，职业规划，还有就是反问

体验感最好的一次面试，面试官非常耐心，还教我一些我没留意过的细节

感谢小米秋招的第一个面试，打响了我秋招第一枪！ 全程35分钟左右，面试官很和蔼，主要是我在对照我的ppt讲解我的科研项目经历，面试官也没有深挖 反问： 1.这个工作的主要业务是干什么？ ㊙️ 2.工作地点在哪，北京工厂还是小米科技园？ 北京总部小米科技园。 3.薪资待遇怎么样？ 不归我们业务部管，到时候hr会和你谈。 4.一共有几轮面试，一面过后大概要走多久流程？ 业务面一共两轮左右，最后有一个hr面，大概走流程要两周。 5.该岗位主要招收的是硕士还是本科生？ 主要是硕士。

前段时间走完了拓竹 AI 算法工程师-视觉方向的三轮面试：两轮技术面，一轮 HR 面，三轮都通过了。所以第一篇面经想分享下。 先把岗位说准确：它不是纯 VLA 岗。JD 同时覆盖 ViT/VLM/VLA、3D 打印视觉感知、缺陷识别、模型部署和打印状态闭环，所以准备时不能只背大模型原理。 逐字复述容易失真，下面是我按现场考察点和 JD 重新整理的公开问法，不是原题照搬： 1. ViT、VLM、VLA 分别解决什么问题？做缺陷识别为什么不用检测/分割模型加规则？ 2. patch size、输入分辨率和注意力计算量有什么关系？低对比度小缺陷怎么保留细节？ 3. 缺陷样本少、长尾明显，不同机型、材料和光照又有域偏移，数据和训练方案怎么设计？ 4. 离线指标很好，上机后效果下降，应该从数据、预处理、模型转换还是硬件执行哪层排查？ 5. 端侧部署时，延迟、显存和精度怎么取舍？量化、蒸馏、ONNX/TensorRT 分别解决什么？ 6. 缺陷识别怎么接入闭环控制？误报停机和漏报废件，阈值与安全策略如何权衡？ 7. 讲一个项目失败案例：看到什么现象、提出哪些假设、怎么定位，最后为什么妥协？ 我最大的体感是：视觉算法岗已经不只是训练模型、刷指标。为什么选模型、数据怎么构建、怎么部署、如何接进业务闭环，往往是同一个问题的下一层。 但我也有个疑问：3D 打印缺陷识别真的需要端到端 VLA 吗？如果数据量还不大，我更倾向先做异常检测或检测/分割+规则；等系统需要理解多模态状态并自主选择动作，再引入 VLM/VLA。直接上端到端很酷，但数据成本、稳定性和可解释性都要回答。 注：仅分享个人真实经历与通用复盘，不涉及公司内部题库、业务信息或面试官身份；图片排版使用 AI 辅助。

本人bg：双9硕，一篇a会，三段具身相关实习 1.注意力计算中为什么要除以根号下dk？讲一下对公式的理解 2.MHA/GQA八股 3.分布式训练相关，如训练时长等 4.batch norm /LN/RMSnorm 5.RL经典八股问题 6.pi0.5中VLM 怎么和动作专家连接？ 7.action chunk相关 8.讲一下对DAgger的理解 9.聊了一下主包的paper 10.手撕力扣简单题 反问环节了解到的信息：不同base地业务差别较大 主包会把近期面试的问题回忆一下，持续总结下来，尽量做到日更

主包最近比较忙，时隔两天终于更新 本人bg：双9硕，一篇a会，三段具身相关实习 1.轻微八股拷打 2.umi数采原理，pipline搭建流程 3.ppo原理以及如何调参 4.pi05框架 5.vlm如何与动作专家交互 6.全量微调参数设置，用了多少卡多少时间 7.腕部为什么使用鱼眼相机？ 8.对历史帧的了解 9.浅谈最近看过的论文 10.其余都是主包的项目和论文相关 反问环节：主包个人感觉这边主要以传统机器人行业为主

本人bg：双9硕，一篇a会，三段具身相关实习 项目相关问题 1. lerobot格式数据相关问题 2. umi数据和真机数据时间尺度怎么对齐？ 3. 失败的数据如何利用？ 算法模型（PI0.5为主） 1. pi0.5和pi0的区别？ 2. pi0.5训练的数据量，训练时长？ 3. pi0.5中Action Expert 和 VLM 怎么交互？ 4. RTC相关概念 八股文 1.Transformer 2. 多头注意力机制伪代码 强化学习 1.TD3原理 2. 硕士项目相关的奖励函数设计

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。

大模型评测与VLA面经 2026-08-08，收到 2 条米哈游/ 如下： 本批面经集中在「生成式模型评估」与「具身智能架构」两个方向，体现工业界从拼模型能力转向拼系统落地。 **生成式评估：指标怎么选，打分模型怎么校准？** 米哈游评测岗连追 5 题，核心痛点是缺乏 ground truth 时如何建立可信度量。评估体系分四层：n-gram 重叠类（BLEU/ROUGE）适合有参考答案的短文本；语义相似度（BERTScore）缓解 n-gram 僵化；基于 LLM 的评估（GPT-4 as Judge）适合开放式生成，但需警惕位置偏差、长度偏差和自我增强偏差，可通过细化 rubric、多轮投票和引入参考回答来缓解。若训练 Reward Model，需用高质量 pairwise 对比数据，并对奖励分布做正则 / 加 KL 约束，防止 reward hacking。 **RAG 测评不能只看生成，检索端也要解耦** RAG 系统评估需分三层：检索端看 Recall@K、命中率；生成端看忠实度（Faithfulness）、答案相关性；端到端看任务成功率。关键要区分「检索-生成」耦合评估与解耦评估，避免把召回不足误判为生成幻觉。 **VLA 架构：从零设计的关键是动作表示与实时性**

问了70分钟，一面他说是通用技术面，没问项目，就问了很常见的八股，但是面试官想起来啥就问你啥，同学你知道xx吗，不会也没关系，面试官会替你说哦可能你还没了解过哈哈哈 虽然时间挺久的但是面试官人很好，笑嘻嘻的不会感到压力

优必选的项目管理offer，20W+年薪，直接上岸。 这个岗位，最开始她私信了很多次，才换来的一个机会 她自己也面过其他公司，但优必选一直没动静。 面试后offer推进也比较困难，看得出来一直在横向对比池子里泡着，推进得很慢。 就这么来回拉扯了一段时间。每一次都觉得“这次应该差不多了吧”，然后又被告知还在对比、还要再看看。 说实话，中间她也挺焦虑的。横向对比这个阶段，最磨人，你不知道对面在比什么，也不知道自己要等到什么时候。 ⬇️下面把她的面试经历整理出来，给想冲机器人赛道的宝子们参考 面试流程 一面（业务面） ：项目经理或部门经理直接面，考核内容非常有针对性，基本是考核实际项目中所需要的技能。 二面（综合面） ：更偏向个人特质和职业规划。 HR面：聊稳定性、薪资期望、到岗时间等。 ✅面试真题回顾 项目管理类： 1. 什么是敏捷项目管理？ 2. 项目的最大难点在哪里？ 3. 你会怎么管理这个项目？关键点是什么？ 4. 你认为在完成一个长时间的项目过程中，你作为项目经理最独特的特质是什么？ 5. 职业规划是什么？ 个人特质类： 1. 优缺点是什么？ 2. 喜欢什么风格的领导？ 3. 有没有别的offer？ ✅再说几句，如果有一个岗位你特别想去，投了没回音，不要干等。 主动跟进、反复优化、持续沟通 其次想冲硬件+AI方向的，这家值得放进清单里。 冲就完事了💪

个人项目信息脱敏 一些相关问题 1.lerobot格式数据meta data里面保存的是什么 2.diffusion和flowmatching的区别 3.pi0.5和pi0的区别 4.pi0.5训练用了多少数据 训练了多久 5.力扣简单题目 6.注意力机制公式 为什么除以根号dk 7.多头注意力机制原理 优势 时间复杂度 8.umi数据和真机数据时间尺度不一样 怎么对齐 9.怎么利用失败的数据 10.umi数据最重要的部分是什么 有试过ik逆解 可视化轨迹么 11.有没有做过鱼眼相机fov的实验