搜索面试经历、知识题和 Coding 题。
至少输入两个字符。结果覆盖知识库、面试、Coding、公司和主题。
按公司、岗位和问题整理的结构化面试经历。
共 78 条结果
优才 1/3收到面邀 9.自变量提前批 没推进流程 总体来说，基本都没怎么遇到过手撕代码，全程围绕项目问，实习的流程推的快 主包最近实习比较忙，随缘更新～
最近投了蜜雪冰城的 VLA 算法工程师，没想到第二天就约了技术面。 部门主要做具身智能饮品机器人，让机械臂根据自然语言指令，独立完成取杯、加冰、加糖、摇匀、封口和递交饮品。整场约 60 分钟，没怎么问八股，主要考察 VLA、强化学习、轨迹规划、多模态感知和奶茶制作流程。 问：你怎么理解 VLA？ 答：VLA 就是 Vision-Language-Action。Vision 识别杯子、冰块、柠檬片和顾客表情；Language 理解“少冰”“微糖”“不要香菜”；Action 控制机械臂加料、摇匀和封口。 问：用户说“少冰”，具体放几块？ 答：要结合杯型、室温、饮品种类和历史偏好。比如正常冰 12 块，少冰 6 块，微冰 3 块。 追问：冰块大小不一样怎么办？ 答：用视觉模型估计冰块体积，再闭环控制总冰量。 问：如何避免把柠檬片当成冰块？ 答：融合 RGB、深度和触觉。冰块透明、反光、温度低；柠檬片有黄色纹理和柔性形变。视觉置信度不足，就让机械臂轻轻夹一下，用触觉二次确认。 问：机械臂倒糖浆时手抖怎么办？ 答：检查控制频率、轨迹平滑性和电机参数，再用低通滤波、轨迹插值、阻抗控制和视觉闭环纠偏。 追问：如果是面试紧张导致手抖呢？ 答：建议机械臂先做一次深呼吸。 问：强化学习的 Reward 怎么设计？ 答：成功取杯 +1，正确加冰 +2，正确加糖 +2，成功封口 +3，递给顾客 +5，饮品洒出 -10，吸管插进顾客鼻孔 -100。 同时要避免 Reward Hacking，比如模型为了“不洒”，选择永远不递给顾客。 问：模型出现幻觉怎么办？ 答：如果顾客点的是柠檬水，模型却说成珍珠奶茶，可以通过订单检索、结构化指令解析和动作前校验降低幻觉。执行前再确认：“您点的是少冰柠檬水，对吗？” 问：当前具身智能最大的瓶颈是什么？ 答：不是参数量，也不是训练数据，而是高峰期顾客一直催单。模型刚完成长链路推理，旁边就有人问：“我的奶茶好了吗？” 最后我问：“岗位会提供训练数据吗？” 面试官说：“每天免费喝两杯，数据需要自己采集。” 目前已经进入人才库，HR 说后续有合适岗位会再联系。我感觉应该稳了，已经开始研究珍珠的 Sim2Real 迁移问题了。
我这个bg不知道为什么能被hr和业务捞起来面，想了一整晚也没想明白。第一次面字节就是Seed，没有想象的压力，全程是一种技术交流的心态。 流程： -简单自我介绍 -针对我的八股：为什么学这个专业？套公式回答 -实习拷打：2中厂后训练+1 research岗Agent+RAG（offsite，改了下时间线） 1. 问之前的业务线，整个业务的pipeline，项目怎么给公司带来盈利？ 2.sft到什么程度在做RL？ 3.0.5h对数据层面提出很多疑问，面下来对cot数据制作部分比较感兴趣（sft里加了个loss惩罚，放了个钩子） CoT数据，preference数据，trajectory数据，tool-use数据，failure case数据 4.DPO，PPO，GRPO等时间线八股 -skill，memory，harness -Agentic RL了解 /场景题：风控场景中人都无法进行判断的诈骗，如果让大模型完成任务？ - 论文提问（first author，under review，约等于没有） 1篇传统NLP，3月投 1篇Agent相关，5月投 2篇都是通过堆图片速成的，面试官对文章提出质疑+给出一点建议 总结： 总的来讲不算难，较基础。对 RL 基础的考察比较深入，仅停留在背诵结论的层面不太够，最好能够从公式，优化目标和实际训练过程出发进行解释。 Agent 相关的问题相对较浅，考察对 skill、memory、harness等技术的基本了解，怎么vibe coding的，没有过度深入具体实现细节。 数据是面试官最关注的方向之一，这一点在我近期参加的多场大模型相关面试中都是重点。我认为一方面，数据质量直接影响整个训练 pipeline 的效果；另一方面，团队目前可能有较强的业务落地需求，作为一个实习生，实际工作中应该会涉及较多数据构造和处理任务。 一天后挂。让我去Seed洗数据我也愿意
前研二，截止到现在也在具身干了两段实习，从去年十月到现在差不多也八个月了。去年十月第一次出来面具身实习，那会儿简历上全是仿真项目，没有任何VLA经历。一口气面了小米
1. 先简单介绍一下你自己吧，重点说说你在机器人战队里的角色和技术方向。 2. 你更偏向软件还是硬件？什么时候开始接触硬件的？ 3. 你提到软件经验多，能讲讲中断机制吗？什么是中断？CPU如何处理中断？ 4. 中断服务函数有什么编写要求？ 5. 在多任务环境下，如果全局变量在中断和主循环里共用，你会怎么处理？ 6. 你们战队常用的通信总线有哪些？CAN总线用得怎么样？遇到过哪些问题？ 7. CAN总线的终端电阻是怎么回事？为什么要加？怎么加？ 8. 调试时你们用UART串口打印吗？现在常用什么调试手段？ 9. 你们的Bootloader是怎么设计的？有没有做远程升级？ 10. Bootloader具体怎么实现无线升级？需要哪些通信方式？ 11. 你们现在的开发工具链是怎样的？为什么从Keil换到CMake+ARM-GCC？ 12. 你们用FreeRTOS吗？相比裸机开发有什么好处？ 13. 你做过的项目中，哪个最难？难在哪里？ 14. 讲讲你是怎么用AI辅助开发的。 15. AI编程给你带来什么体验？对程序员的要求是变低还是变高？ 反问环节 ----------------- 基本上都是简历项目上的问题，纯八股少，流程挺快的，面完就出结果了，感觉前面答得还行，后面Bootloader就开始乱说了
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！！
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） 京东： 进度最快的一集。两位面试官人都超好。 4.17 周五一面，周一约4.21二面，隔天约4.27hr面，第二天电话oc，流程非常快，可惜商讨后方向略有分歧，最终拒掉了。我还是爱东哥的。
bg:本科大三，无论文，一段项目实习经历 第一场面的千寻智能。先自我介绍+简单问了一下能够实习的时间，然后开始围绕简历提问。主要内容围绕我之前做过的rl运控项目，问了问整体设计和一些具体的技术细节，因为是自己做的所以答的还比较顺畅。 coding：一道很简单的编程题，甚至不涉及什么算法，也就是大一刚学计概时候的练习题水准，没想到自己太久没手写代码了居然这都没写完... coding之后又按照简历上写的专业技能挑了几点问，问了一些有关电机参数和pd控制的，还问了π0的架构，不过VLA这边只浅看了几篇论文，确实不太熟悉，答的马马虎虎的，也是漏洞百出 由于是第一次面试，多少有些紧张，不过面试官人很好，哪怕我出了很多差乱也始终很耐心，确实是我准备的太匆忙了吸取教训准备下一次吧
试官人都超好。 4.17 周五一面，周一约4.21二面，隔天约4.27hr面，第二天电话oc，流程非常快，可惜商讨后方向略有分歧，最终拒掉了。我还是爱东哥的。 字节： Seed具身人才暑期 4.16一面，4.21横向挂 最奇怪的面试，因为我听说4月之后已经不招27届暑期实习生，官网jd也明确写28届以后。 hr约面前说组内分部门，问我意向部门有哪些，我明确拒绝了其中两个部门。 面试过程非常顺利，相谈甚欢，都聊到实习时长和入职时间和我想做的事情了，直到面试官开始谈组内业务，正好是我拒绝的两个部门之一……我当场表示抵触，最后手撕都没有，果不其然横向挂。 我的简历被挂之后被莫名捞了起来，让我去面ai agent。最后拒掉了面试。 简历挂/泡池子： 字节： 多模态世界模型暑期实习、机器人大模型日常实习。cv和多模态topseed选手的战场，凡人勿入。
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）
1.自我介绍 2.介绍项目中RAG的部分 3.怎么处理数据的 4.如何做到模型可靠的 反问环节 大部分关于技术的问题，产品方面比较少，就是拷打简历 发面经积攒一下人品，求oc
5.8 逐际动力一面 面试时间：半小时左右 面试内容：首先自我介绍，然后基于简历项目针对性问了一些硬件内容；因为是机器人公司，所以问我是否对电机相关的有所了解，是否做过电机的项目，还问了对于人形机器人的主控板的硬件设计框架和思路，以及对于人形机器人未来应用场景、看法和发展前景等等。 面试体验：面试的小姐姐人很好，不会有压迫感，感觉团队氛围很好，比较自由 进展：5.12进行二面
面试时间：5.12 35分钟左右 面试内容：首先进行自我介绍，接着面试官针对简历项目进行提问（这次问的很细节，包括项目整体思路，器件选型等等）；问了实习经历，熟悉哪些软件，开关电源的应用场景和layout需要注意的事项，以及高速信号内容和仿真过程等等。 面试体验：面试官人蛮和蔼，不会给压力。 进展：已oc
银河通用（可能更倾向直接能干活的） 总体来说这个方向的面试过程比较固定： 一面主要问项目细节，最后配一道不太难的手撕（mha和双线性插值） 二面在项目细节的基础上穿插对研究方向的理解（比如WM和VLA的区别、如何解决方向中的某些难题等） 全程没有遇到过任何直接的八股问题，因为面试官水平很高，在问到项目中的问题时，如果你不懂得那些知识是不可能准确的答出来的。 例如问为什么World Model能够解决VLA无法解决的问题，你肯定要从常用的几个模型及其架构、训练等出发回答。所以不推荐背八股，更推荐把自己的项目彻底弄清楚，从数据输入到最终输出的一切都要掌握。 最后祝愿大家都有理想的offer！
相谈甚欢，都聊到实习时长和入职时间和我想做的事情了，直到面试官开始谈组内业务，正好是我拒绝的两个部门之一……我当场表示抵触，最后手撕都没有，果不其然横向挂。 阿里系： 高德： 约面之前以为是备选项，后来仔细了解之后才发现是最好也最对口的，明显感觉面试官很懂技术，也是最终去向。不过流程最慢。 4.21 一面，隔天约4.23二面，4.27约5.6三面。 hr面当面告知需要3-5个工作日的横向对比，最终5.11oc。 淘天： 我的简历被挂之后被莫名捞了起来，让我去面ai agent。最后拒掉了面试。 简历挂/泡池子
参加了乐聚的春招面试，因为项目中有复现univla 并且里面涉及到 VQ- VAE 所以一上来对这方面进行了提问 1. VQVAE模型训练完成后，后续是否会对模型参数进行进一步调整？ 2. 本次研究中的VQVAE是否未采用预训练策略，而是直接进行端到端联合训练？ 3. 本次研究采用四个Codebook进行特征表示，相较于原版VQVAE单一Codebook设计，具体实现方式是什么？ 4. 是否对VQVAE中Codebook的特征利用率进行过分析？针对Codebook利用率偏低的行业共性问题，是否有相关研究与思考？ 5. 结合本次研究任务的复杂程度，选择16个Codebook维度的依据与合理性是什么？ 6. VQVAE模型的输入是否包含语言Token特征？请说明具体设计思路。 7. 在视觉特征提取环节选用DINO模型，未采用更新的DINO V2版本的原因是什么？ 8. 请简要阐述DINO V2相较于DINO V1版本的核心改进点。 9. 目前深度学习模型量化与压缩的主流方法有哪些？ 10. 此前研究方向聚焦目标检测领域，为何转向机器人具身智能相关研究？ 11. 除复现相关算法模型外，对机器人运动学、控制理论等专业知识是否具备一定了解？ 12. 请说明在科研项目与实习项目中的团队分工、个人负责内容及核心贡献占比。 13. 请阐述个人未来的职业发展规划与研究方向定位。 14. 结合行业实践经验，当前机器人具身智能技术落地过程中面临的主要问题有哪些？ 面试时有两个面试官 一位研发一位HR 所以最后会涉及一些 价值观问题 @职场薯
投实习以来拿到的第一个offer，感动 我投的是大模型算法（世界模型方向），这个岗写的好像是只招博士目前。Boss直聘投的，推进很快，投了以后Hr直接电话约面试了，效率非常高，没有各种繁琐的测评，体验真的比投一些大厂爽的多。 一面是直接和实验室的负责人的技术面，面试官感觉人挺和善，有点小帅，浅挖了一下简历（可能因为我算是转行过来，之前没做过生成方面的工作），后面就是一直问八股，包括世界模型，各种生成模型，以及VLM（因为我主要做这个方向，所以VLM问的多一点，也比较深入），不过个人感觉问的都不算特别难，对各个领域有一些基本的了解就OK。 Coding考了一个多头注意力实现，但是感觉我写完他都没咋看就完事了。 然后就是隔一天就有HR联系我说一面通过了，二面就是和HR电话聊了一些问题，体验也挺不错，下午就告诉我二面通过然后商量offer啥的。 总之是一次体验非常好的面试体验（尤其是在华为实习机试通过综测被挂的情况下），公司和岗位也比较满意，后面堆的面试基本全推了。
面试主要让我自己选一个项目来介绍，由于我这个是后训练的，所以我就讲的一个Agent RL的科研经历 整体面试比较偏压力面，面试官一直在拷打，但整体是针对科研的细节和idea，没有工程上的提问。 代码题： 1. 给定正整数n 输出1-n的全排列 2. 关于贝叶斯的一道代码题 二编：没有已发表的顶会论文
二面也主要拷打项目。 问了些项目中的训练方面的细节，有没有接触过stf，RL训练等等。 还问了个场景题：如果让你去训练Doubao的专业输出能力，会怎么做 最后没有考代码。周五面试，今天发三面通知
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