小米 – 自动驾驶与机器人多模态大模型算法研究专家（VLA方向） 职位分析和面试指导

职位描述：

负责VLA（视觉-语言-行动）多模态大模型在自动驾驶和机器人场景中的前沿算法研究，涵盖场景理解、语义引导决策、时空建模等核心能力；
主导VLA模型预研，构建可泛化、高可解释性的多模态基座大模型，为未来6~12个月技术演进提供基础支撑；
与高校及实习生协作，探索VLA的长期发展方向，包括表征学习，具身智能、慢系统蒸馏快系统等核心议题；
撰写高水平论文、技术文档，推动VLA方向在CVPR、NeurIPS、ICLR、CoRL等会议中的学术影响力。

职位要求：

教育背景：计算机科学、人工智能、机器人学、自动驾驶或相关领域的博士学位，或具备等效的研究经验；
多模态研究经验：深入了解视觉-语言-行动（VLA）大模型的构建与优化方法，特别是在自动驾驶、机器人等领域的应用；
理论与实践能力：扎实的机器学习、深度学习理论基础，具有视觉理解、自然语言处理与行为决策的交叉领域研究背景；
编程能力：熟练掌握Python及主流深度学习框架（如PyTorch、TensorFlow等），有高效模型训练与大规模数据处理经验；
学术能力：具有在国际顶级会议（NeurIPS、ICLR、CVPR、ICCV等）上发表过论文的经验，或参与过具有影响力的学术竞赛（如COCO、Kitti、nuScenes等）；
跨学科能力：具备跨学科协作能力，能够有效将计算机视觉、自然语言处理与机器人学的知识融合，推动自动驾驶机器人领域的创新；
加分项：
在大规模预训练模型（如LLM、VLM、VLA等）微调、蒸馏等方面有深入研究；
具有实际项目经验，尤其是涉及具身多模态大模型 （如RT2、OpenVLA、Octo等） 开发经验者优先；
具有机器人或自动驾驶平台（如MuJoCo、CARLA、Waymo、nuScenes等）上的实验经验。

招聘部门：

小米

工作地点：

北京市 ID：A210746

面试建议：

这个职位是小米公司在自动驾驶与机器人领域的前沿研究岗位，专注于VLA多模态大模型的算法研究。关键点在于候选人需要具备深厚的多模态研究背景，尤其是视觉、语言和行动决策的交叉领域能力。特殊之处在于它不仅要求扎实的理论基础，还需要有实际的项目经验和学术影响力，尤其是在国际顶级会议上的发表记录。 针对这个职位的面试准备，建议候选人重点准备自己在VLA模型方面的研究经验，尤其是具体的项目案例和学术成果。面试官很可能会深入询问你在多模态模型构建、优化以及在实际场景（如自动驾驶或机器人）中的应用细节。同时，准备好讨论你如何解决跨学科研究中的挑战，以及你在学术社区中的贡献。对于加分项，如果你有相关经验，务必详细准备，因为这些可能是区分你与其他候选人的关键因素。