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
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。
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”。
HR开始一直在测试网络 只开了两分钟的人脸 面试开始首先我先做了很长一大段自我介绍 然后HR针对我简历中提到的 RTThread和FPGA的内容进行提问 主要问了一下任务优先级和多时域CDC的同步怎么解决的 然后告诉我 我面试的这个岗位主要还是做传感器的数据融合 然后问了很多关于数据融合的问题 主要是关于现实应用的 比如温飘怎么解决 陀螺仪的数据和里程计怎么做综合 然后主要聊了一下公司内做强化学习的和做嵌入式开发的会不会有冲突 以及相关的人员培养计划 顺利的话 一般是过一天就会出结果
这是 SEED 团队探索的核心技术路线之一，核心逻辑： 世界模型：学习环境的动力学模型，预测动作对环境的影响，构建 “想象空间” 强化学习：在想象空间中高效探索，生成优化策略，再迁移到真实环境 核心优势： 大幅提升样本效率：智能体可在 “脑中” 预演，减少真机试错 增强泛化能力：世界模型可学习环境不变量，提升跨场景适应力 降低 Sim2Real 成本：模型学习的是抽象动力学，而非具体环境参数 GR-RL 中融入世界模型思想：通过轻量级预测器捕捉环境变化，提升策略鲁棒性 欢迎大家评论区和群里交流想法 关注我，获取更多大厂面试真题
vla岗位 总共两轮技术面，全程无手撕，但一面八股较多较细。二面是具身算法总负责人。 千寻智能，vla岗位 总共四轮技术面，全程无手撕。二面大主管面，三面高阳老师，四面CEO韩峰涛老师。
机器人多模态研究员。一面无手撕，一面后挂 高德阿里星，vla基座部门。一面无手撕，二面通知转普通岗，没继续
vla岗位 总共四轮技术面，全程无手撕。二面大主管面，三面高阳老师，四面CEO韩峰涛老师。 逐际动力，vla岗位 总共三轮技术面，全程无手撕。终面是CEO张巍老师。
“智星”计划，vla方向 总共五轮技术面，一面手撕coding面，二面主管面，三四面是交叉面，五面院长面。 腾讯“青云”计划，roboticsx实验室 总共四轮技术面，全程无手撕，最后一面是张正友老师。
vla岗位 总共三轮技术面，全程无手撕。终面是CEO张巍老师。 灵初智能，vla岗位 有专门的笔试环节，通过后两轮技术面，无手撕。 一些不完全的面试过程记录（因为中道崩殂了）
机器人，vla研究员 总共两轮技术面，一面有手撕，二面是部门大leader葛老师。 智源“智星”计划，vla方向 总共五轮技术面，一面手撕coding面，二面主管面，三四面是交叉面，五面院长面。
仅个人经历记录和分享。 博士，校招。 小鹏机器人，vla研究员 总共两轮技术面，一面有手撕，二面是部门大leader葛老师。
实验室 总共四轮技术面，全程无手撕，最后一面是张正友老师。 小马“pony star”计划，感知/端到端部门 总共五轮技术面，总共两个部门面试。一二面是不同部门的 均有手撕，三四面是不同部门的leader面，五面是CTO楼教主加面。（小马的手撕不是常规题目）
vla岗位 有专门的笔试环节，通过后两轮技术面，无手撕。 一些不完全的面试过程记录（因为中道崩殂了）： 小米未来星，具身机器人部门。一面无手撕，一面后挂
不愧是字节seed，我这个小菜鸡果然被狠狠拒绝了面试没有刁难的问题，一直在问之前那篇关于数据生成的工作，还有对于原来那篇工作的延伸思考，有没有可以改进的地方，有没有应用到困难任务的前景，最后是手撕一道简单的算法题（虽然简单但我还没做出来，一道关于栈的使用的题目，属于很简单的） 虽然面试并没有遇到棘手的问题，也都回答上来了，但还是被挂了，感觉bar还是很高的。 整个面试流程效率很高第一天中午投递的申请，第二天就约面试了。然后面试那天下午面完，晚上就发邮件被拒了 本人bg：本硕双九，研二在读，一篇一区在投（机器人模仿学习相关），无实习经历
12月面了字节seed，分享分享 1️⃣简短的自我介绍 2️⃣基础知识问答——八股 1. 详细描述，如果给一个txt存储的文本，从预处理到SFT的训练流程，要包括对数据的预处理、tokenize、forward、loss计算、参数更新，越细越好 2. tokenizer怎么做的，有哪些tokenizer的实现方式 3. embedding怎么做的，从id到embedding有哪些实现方式 4. transformer八股 transformer的forward计算包含哪些部件 如何解决梯度消失和梯度爆炸的 非线性由什么来提供 3️⃣项目经历 1. 介绍自己最熟悉的一个项目，项目中做了什么 2. 一些对项目细节的提问 3. 这个项目的意义 4. 后续打算做什么 4️⃣手撕：用numpy，写MHA 5️⃣反问环节 听说字节seed进面门槛是2A，随意从内推网投递属实是没想到自己能进面，匆忙准备，甚至没背八股，猝不及防了🏳️
未来星，具身机器人部门。一面无手撕，一面后挂 字节seed ，机器人多模态研究员。一面无手撕，一面后挂
的手撕不是常规题目） 华为，多模态 强制线下面试，一天内速通三轮技术面，前两轮都有手撕。（真手撕，在纸上写的那种，不会太难）
多模态 强制线下面试，一天内速通三轮技术面，前两轮都有手撕。（真手撕，在纸上写的那种，不会太难） 众擎机器人，vla岗位 总共两轮技术面，全程无手撕，但一面八股较多较细。二面是具身算法总负责人。