第三章：面试官评分标准解析
面试官在评估候选人时，通常从五个核心维度综合打分。理解每个维度的考察逻辑，才能针对性地组织回答。本章通过结构化的问答卡片和评分模型图，帮你快速掌握面试官的“打分表”。
面试官评分维度详解
| 维度 | 核心考察点 | 典型提问方向 | 权重参考 |
|---|---|---|---|
| 技术深度 | 算法原理、数学功底、代码实现能力 | 是否有扎实的推导能力？能否应对极端case？ | 30% |
| 项目匹配度 | 过往项目与岗位的契合度，解决真实问题的能力 | 项目规模、难点、你在其中的角色 | 30% |
| 沟通能力 | 表达逻辑清晰、能结构化呈现观点 | 是否能用简洁语言讲清复杂问题？ | 15% |
| 潜力 | 学习能力、技术视野、成长动机 | 如何追踪前沿技术？跨领域问题如何切入？ | 15% |
| 基础能力 | 代码风格、数据结构、系统设计思维 | Hands-on 编码题，系统设计题 | 10% |
🎯 面试问题
“你如何看待技术深度与项目广度的关系？请举例说明。”
面试官考察点：技术深度（是否能沉下去深究核心算法）+ 项目匹配度（是否有将深度技术落地的实际案例）
回答框架：先阐明观点（二者互补），再拆解一个技术深度案例（如SLAM前端特征匹配优化），最后说明广度如何帮助选择最合适的方案。
示例回答：“深度是广度前提。例如在激光SLAM项目中，我将ICP配准算法从PCL标准实现改为基于IMU预积分的自适应求解，定位精度提升40%。同时因为了解多种传感器的局限性，我才能选择最适合场景的融合策略。”
可能追问：“你提到的自适应求解具体是怎么做的？为什么不用NDT？” / “如果让你重新设计，会怎么平衡效果和计算量？”
🎯 面试问题
“你在之前项目中最困难的算法问题是什么？如何解决的？”
面试官考察点：项目匹配度（问题是否与岗位相关）+ 技术深度（问题难在哪，如何分析）+ 沟通能力（讲得清不清楚）
回答框架：STAR法则：Situation（项目背景）→ Task（你的目标）→ Action（具体分析过程和解决方案）→ Result（可量化的结果）。
示例回答：“在仓储AGV项目中，多机器人路径冲突导致死锁频发。我设计了一种基于时间窗的局部重规划算法，将冲突检测粒度从秒级降到毫秒级，结合优先级调度，死锁率下降90%，吞吐量提升25%。”
可能追问：“冲突检测的粒度如何计算？有没有考虑过用A*变种代替？” / “如果机器人数量翻倍，你的算法还能支撑吗？”
🎯 面试问题
“你如何持续学习新的机器人算法技术？介绍一下你最近关注的方向。”
面试官考察点：潜力（学习主动性与方法）+ 沟通能力（是否能把新知识讲清楚）+ 技术深度（是否真正理解而非浅尝辄止）
回答框架：① 学习渠道（、开源项目、实践）；② 最近关注的方向（如触觉传感器融合、仿生运动规划等）；③ 实际运用或动手验证的案例。
示例回答：“我每周精读2篇顶会，重点跟进NeRF在三维重建中的改进。上个月复现了Instant-NGP并应用到移动机器人地图构建中，相比传统方法建图速度提升3倍。目前正在尝试用扩散模型做路径规划。”
可能追问：“扩散模型在路径规划中的计算实时性如何解决？” / “你复现Instant-NGP的时候遇到了哪些坑？”