科大讯飞
校招AI研究算法工程师-机器人AI运动控制方向(J13376)
合肥 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 1、硕士及以上学历，计算机、人工智能、自动化等AI和机器人相关专业优先
- 2、具备较强的软件工程能力，熟练使用Python，pytorch，熟悉Linux操作系统
- 3、熟悉计算机视觉基础知识，有深度学习相关模型训练经历，掌握模型学习原理
- 4、有较好的英文科技文献阅读及算法复现的能力
- 5、有强化学习，issacgym，isaacsim模型训练经验者优先
- 6、有VLA相关研究经历优先，了解RDT、pi0等业界VLA技术原理。
- 此岗位为科大讯飞集团统一招聘岗位，人员通过简历筛选、初试、复试、终审等环节后录用。
岗位描述
- 1、负责AI运动控制核心算法开发，基于AI设计并实现仿人机器人双臂运动控制算法，开展VLA(视觉-语言-动作)模型训练，实验分析和改进工作。
- 2、开发基于深度强化学习（DRL）的手臂运动策略实现，在仿真和真实环境下训练机器人运动控制模型，最终实现真机部署。
- 3、构建多模态传感器融合框架（视觉/IMU/力觉/触觉）系统集成与优化，将算法部署至机器人实时控制系统（基于ROS2），调研前沿技术方案，提出改进建议。
- 1、硕士及以上学历，计算机、人工智能、自动化等AI和机器人相关专业优先；
- 2、具备较强的软件工程能力，熟练使用Python，pytorch，熟悉Linux操作系统；
- 3、熟悉计算机视觉基础知识，有深度学习相关模型训练经历，掌握模型学习原理；
- 4、有较好的英文科技文献阅读及算法复现的能力；
- 5、有强化学习，issacgym，isaacsim模型训练经验者优先；
- 6、有VLA相关研究经历优先，了解RDT、pi0等业界VLA技术原理。
此岗位为科大讯飞集团统一招聘岗位，人员通过简历筛选、初试、复试、终审等环节后录用。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。