不懂具身智能结构岗要招什么人

稳稳的寄了。Q：你的 Agent 具备上下文记忆功能，基于 ReAct 模式，目前实际运行中最多能支持多少轮对话？Q：在 ReAct 模式下，Agent 需要频繁调用工具。考虑到不同大模型（如 Kimi 支持 20 万+ token，DeepSeek 支持 10 万+ token）的上下文窗口限制，您在执行过程中是否遇到过因工具调用次数过多（N 次）导致 Token 超出限制（撑爆上下文）的情况？如果有，是如何处理的？Q：在问答类场景中，如果 Agent 陷入死循环（例如反复搜索不到内容，不断重复“查看文件 - 搜索文件”的操作），有什么机制来检测并处理这种异常情况？Q：项目基于 MCP 协议集成了服务器资源查询、数据操作和校内文档检索，为什么没有考虑集成外部互联网资源的检索能力？Q：像 Codex 这类代码模型，其内部显然不是基于向量检索的。您是否研究或思考过 Codex 内部的文件检索策略是如何实现的？Q：目前 OpenClaw 比较热门，您是否阅读过相关源码或研究过其技术实现？Q：您提到了“服务器辅助开发”功能，是基于 Plan-Execute-RePlan 的方式实现的。能否详细讲解一下这一功能的具体实现逻辑？Q：你实现的“Plan-Execute-RePlan”流程与 Minus 这种有什么区别？

面试官背景为 NTU 博士、传统控制出身，问询极细，按项目维度拆解如下： 1. 强化学习规划项目  数据获取： 仿真数据集是如何获得的？ 算法鲁棒性： 是否会出现陷入局部最优的情况（如死胡同无法脱困）？ 仿真建模： Gazebo 仿真中为什么要选择使用差动模型（Differential Model）？  2. VLN（视觉语言导航）项目  技术实现： 三维重映射（3D Remapping）的具体实现方案。 性能评估： 实际运行效果如何？ 实机部署： 模型是否支持在真实机器人硬件上运行？如果可以，推理/运行速度表现如何？  3. 机器人操作项目  全身控制（WBC）： WBC 具体实现了哪些任务...

攒攒人品！ 1.项目拷打2.vision-language 对齐是 joint embedding 的？，那做了哪种对齐？有做 hard negative mining 吗3.所有视角共享 encoder 吗？如何防止view collapse？4.semantic space是如何保证cross-modal consistency的5.用diffusion model做动作策略，是怎么建模action space的6.如果多个diffusion模型组合，用了 gating 机制还是 uncertainty-aware ensemble？那 uncertainty 是怎么量化的？有对比过 epistemic 和 aleatoric 吗？7.怎么防止action drift？有没有引入 consistency regularization或者temporal smoothness loss？8.在surgical robotics里policy failure cost 很高，是怎么做risk-aware training 的？有没有加入 CVaR loss10.模型泛化能力是靠数据多样性还是结构归纳偏置？能列出你设计中的 inductive bias 吗？对 unseen 手术任务怎么泛化11.surgical scene 变化很大，怎么办12.你说MAE 是做关键帧 reconstruction，那帧选择怎么做？具体打分逻辑是怎么样的13.有没有做 token-level saliency analysis？你怎么知道模型真的关注了 surgical tool 而不是 background？部署是在 ARM 上还是 X86？有没有模型并行？多线程和多进程各负责什么14.做多模态感知融合时，视觉、语言、触觉（如果有）延迟不同，怎么对齐的15.整个pipeline的E2E latency是多少？瓶颈在哪你说中间用了 LQR，你 gain matrix 是 constant 吗？有没有做 gain scheduling？基于什么指标调的16.控制系统稳定性你怎么保证？有没有做过 Lyapunov 函数证明17.做过 trajectory optimization 吗？是基于 collocation 还是 direct shooting18.假设你有个 policy 输出波动很大，你会考虑在 policy 层加高通滤波器还是在 loss 层加 penalty？为什么？19.diffusion policy 是连续动作空间，那你是建模 joint distribution 还是 marginal20.语言指令不是 deterministic 的，你们是直接用 language embedding 吗？有没有考虑language-conditioned latent variable model？

网友提问：两位老师好，我是双非一本 非科班 0实习 C++客户端选手，大学期间做过很多东西，以实践为主，但计网、操作系统理论方面有所欠缺。大一上自学C++基础语法、面向对象、STL，寒假学了MFC，并基于MFC在开学前古法编程开发出仿计算器两个小项目。大一下开学又基于MFC开发了绘图板，随后调试完成微软MFC2010示例程序drawcli。大一暑假直到大二暑假gap了一年客户端，去学了前端三大件+Vue，后端Spring Boot、Flask，参加过两个导师组前后端竞赛项目，获得省一一项，国三三项。大三上学习PyTorch框架，基于U-Net模型和PyQt开发了养殖塘识别与提取系统。问题的出在...