科大讯飞
校招AI研究算法工程师-具身智能数据方向(J13382)
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、软件工程等相关专业
- 2. 熟悉VLA模型、多模态数据处理、视觉-语言-动作数据对齐等相关技术
- 3. 熟练使用Python，掌握PyTorch、OpenCV等工具
- 4. 有数据合成、自动化标注、3D位姿/轨迹提取、第一人称视频处理等经验优先
- 5. 具备数据质量分析、异常检测、数据清洗或大规模数据集处理经验
- 6. 了解具身智能、机器人感知、模仿学习、强化学习或运动控制相关技术优先
- 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. 负责具身智能/VLA模型预训练数据研发，覆盖数据采集、合成、自动化标注、质量分析与优化；
- 2. 研发多模态自动标注算法，支持动作轨迹、3D位姿、物体交互关系、语言指令对齐等数据标注；
- 3. 搭建数据质量评估与清洗体系，识别并过滤异常、噪声、错位及语义不一致样本；
- 4. 基于仿真引擎、AIGC或域随机化方法，生成大规模视觉-语言-动作配对数据；
- 5. 参与模型训练、微调和验证，分析数据质量对模型效果的影响，持续优化数据方案；
- 6. 与模型、机器人硬件、仿真测试等团队协作，交付高质量具身智能训练数据集。
- 1. 硕士及以上学历，计算机、人工智能、软件工程等相关专业；
- 2. 熟悉VLA模型、多模态数据处理、视觉-语言-动作数据对齐等相关技术；
- 3. 熟练使用Python，掌握PyTorch、OpenCV等工具；
- 4. 有数据合成、自动化标注、3D位姿/轨迹提取、第一人称视频处理等经验优先；
- 5. 具备数据质量分析、异常检测、数据清洗或大规模数据集处理经验；
- 6. 了解具身智能、机器人感知、模仿学习、强化学习或运动控制相关技术优先
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。