第3章：面试评分表解读与自我评估
考官手中的评分表是你的成绩单，也是你自我诊断的导航图。本章帮你拆解大厂SLAM岗位面试的评分维度、权重逻辑、常见扣分项，并学会用“五步诊断法”预判自己的短板。以下为评分模型与自我提升路径。
评分维度与权重速查表
| 维度 | 典型权重 | 核心考察点 | 常见扣分点 |
|---|---|---|---|
| SLAM理论基础 | 30% | 滤波/图优化、前端后端、回环检测 | 公式推导卡壳、调参说不出原理 |
| 工程与工具链 | 25% | ROS/C++/OpenCV/可视化管理 | 代码质量低、调试流程不清晰 |
| 项目经验与复盘 | 25% | 选型/落地/指标/踩坑复盘 | 只讲成功不讲失败、数据含糊 |
| 沟通与逻辑表达 | 20% | 结构清晰、技术决策有依据 | 答非所问、缺乏层次感 |
面试问答实战卡片
面试问题：“请你用一个数据来评价你在SLAM理论方面的掌握水平，比如给你100分你会给自己打多少分？”
面试官考察点：自我认知是否客观、能否区分知道与理解、是否有改进方向。
回答框架：给出具体分值→拆解分差来源→举例说明待提升点→可执行的学习计划。
示例回答：“我会给自己75分。我对图优化和回环检测有不错理解，但IMU预积分推导还不熟练。扣掉的25分主要来自对非线性最小二乘细节的掌握不足。我计划两周内通过手推公式和代码实现补齐缺口。”
可能追问：“你怎么证明你已经理解了？能不能现场写出EKF的预测update公式？”
面试问题：“你在之前的SLAM项目中，最大的失败或踩坑是什么？扣分点在哪？”
面试官考察点：是否有复盘习惯、是否诚实面对错误、能否从失败中抽象出通用教训。
回答框架：STAR/问题描述→我的责任→发现根因→解决措施与收获。
示例回答：“某次室内场景回环检测召回率只有60%。我初始认为前端误匹配太多，深挖发现是词汇树增量更新参数不合适。后来重训练词典并加入时序约束，召回升到92%。这次让我学会优先排查参数而不是算法结构。”
可能追问：“如果召回率要求99%以上还差一点，你会怎么继续优化？”
面试问题：“请你手画一张面试官打分的雷达图，并标出你最需要提升的维度。”
面试官考察点：即兴表达与可视化能力、优先级判断、是否能把扣分点转化为具体行动。
回答框架：画出（或描述）五维雷达图→标注自己每项分数→圈出最弱两项→对应给出2周改进方案。
示例回答：“假设五个维度是理论、工程、项目、沟通、基础数学。我理论8分、工程7分、项目6分、沟通7分、基础数学5分。最需提升的是基础数学（李群李代数），计划每天一道手推题并复现代码。”
可能追问：“你如何验证你的手推和理解是对的？能不能现场推导一个SO(3)的BCH近似？”