小米
仿真世界模型算法实习生
仿真世界模型算法实习生
发布于 大约 8 小时前实习/见习
实习生仅现场办公计算机视觉工程
计算机视觉工程
3Dgs
Nerf
Pytorch
Tensorflow
深度学习
自动驾驶
计算机视觉
值不值得投
77综合评分
综合评分 77
前沿技术、高成长性，但需要现场办公，工作强度可能较大。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
8K
比计算机视觉工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 7400 个在招 · 其中计算机视觉工程 19 个
市场机会
选择面较广
北京 · 计算机视觉工程 · 83 个在招
职位详情
关于这个职位
该职位是小米的仿真世界模型算法实习生，主要参与前沿仿真世界模型算法的探索与实验，如自回归/扩散混合模型、Feedforward 3DGS等，并参与神经重建流水线的开发
你将与跨团队协作，将研究原型转化为可扩展系统，支持模型训练、评估与集成，服务于自动驾驶真实应用场景
适合对计算机视觉和深度学习有浓厚兴趣的在校硕士或博士生
最低要求
目前正在攻读计算机科学、电子工程、机器人学或相关领域的硕士或博士学位
具备扎实的 C++ 和 Python 编程能力
熟悉 PyTorch 或 TensorFlow 等深度学习框架
对自回归/扩散模型、神经重建技术（如 3DGS、NeRF）有基本理解或相关经验
具备 3DGS 重光照或 3DGS 物体重建相关经验
具备扎实的问题解决能力和分析能力
能够熟练在 Linux 环境下工作
具备良好的沟通与协作能力
工作职责
参与跨团队协作，将研究原型转化为可扩展的系统
探索并实验前沿仿真世界模型算法，例如自回归AR/扩散Diffusion混合模型、Feedforward 3DGS等
参与神经重建流水线中算法与模型的开发
支持模型训练、评估与集成，服务于自动驾驶真实应用场景
构建并维护用于评估和可视化模型性能的工具
产出高质量论文，或将算法应用于实际业务场景中
优先资格
有竞赛成绩或在SIGGRAPH、SIGGRAPH Asia、CVPR、ICCV、ECCV、NeurIPS等会议上发表过论文的优先
AI 洞察
优缺点分析
优点
- 小米作为科技巨头，平台大，资源丰富，能够接触到前沿的自动驾驶技术和真实业务场景
- 岗位涉及前沿算法研究，技术含量高，能够快速提升个人技术能力和学术水平
- 有机会与跨团队协作，积累团队协作和项目管理经验
- 实习期间表现优秀者有机会转正，获得正式工作机会
- 研究型岗位需要较强的自我驱动力和问题解决能力，工作节奏可能较快
- 作为实习生，可能需要适应高强度的工作节奏，并快速融入团队
- 适合对计算机视觉、自动驾驶和前沿算法研究有浓厚兴趣，具备扎实编程和深度学习基础的硕士或博士研究生
缺点 / 挑战
- 岗位要求较高，需要具备扎实的编程能力和深度学习基础，同时熟悉 3DGS 等前沿技术，学习曲线较陡
角色解读
- 在实习期间可以积累前沿算法研究经验，为未来从事自动驾驶、计算机视觉等领域的研究或工程岗位打下坚实基础
- 表现优秀者有机会转正，成为小米汽车的核心研发成员，参与更核心的算法研发与落地
- 该领域技术前沿，可发表高水平论文，提升个人学术影响力，为读博或进入顶尖研究机构铺路
- 参与前沿仿真世界模型算法的研究与实验，如自回归/扩散混合模型、Feedforward 3DGS等，推动技术落地
- 与跨团队协作，将研究原型转化为可扩展的系统，支持自动驾驶等真实业务场景
- 参与神经重建流水线中算法与模型的开发，支持模型训练、评估与集成
- 构建并维护用于评估和可视化模型性能的工具，产出高质量论文或应用于实际业务
- 扎实的 C++ 和 Python 编程能力，能够高效实现和调试算法
- 熟悉 PyTorch 或 TensorFlow 等深度学习框架，具备模型训练和调优经验
- 对自回归/扩散模型、神经重建技术（如 3DGS、NeRF）有基本理解或相关经验
- 具备 3DGS 重光照或 3DGS 物体重建经验，能够解决实际问题
申请策略
- 了解小米汽车的业务方向和技术布局，在面试中展示对自动驾驶场景的理解
- 准备一个与 3DGS 或神经重建相关的项目案例，展示你的动手能力和解决问题的能力
- 突出在 3DGS、NeRF 等神经重建技术方面的项目经验或研究成果，展示对前沿技术的理解
- 强调扎实的 C++ 和 Python 编程能力，以及 PyTorch 或 TensorFlow 的使用经验
- 如果有相关论文发表或竞赛获奖，务必在简历中突出，这是加分项
- 展示在 Linux 环境下开发的经验，以及良好的沟通和协作能力
- 提前复习和巩固 3DGS、NeRF 等神经重建技术，了解其原理和实现
- 熟悉自回归/扩散模型的基本原理，并尝试用 PyTorch 实现简单模型
面试指南
- 对于技术问题，采用 STAR 法则（情境、任务、行动、结果）来组织回答，突出你的具体贡献和成果
- 对于算法理解问题，先阐述基本原理，再结合具体应用场景，展示你的思考深度
- 对于项目经验问题，重点突出你的技术选型、实现细节和遇到的挑战，以及如何解决
- 请介绍一下你在 3DGS 或 NeRF 方面的项目经验，具体做了什么？
- 如何理解自回归模型和扩散模型的区别？在仿真世界模型中有何应用？
- 在 Linux 环境下，如何调试一个 C++ 程序？
- 如何评估一个神经重建模型的效果？你会使用哪些指标？
- 请描述一次你解决复杂技术问题的经历
职位点评
薪资福利70
成长发展90
工作生活60
使命价值80
薪资福利
70中等
作为实习生，薪资水平在行业中属于中等偏上，但福利待遇可能不如正式员工，整体补偿性动机满足程度一般。
薪资信号未披露（AI估算：6K-10K/月）
成长发展
90较高
该岗位涉及前沿技术研究，能显著提升个人技能和学术水平，发展性动机满足程度高。
技术前沿前沿/新兴技术
技术栈C++、Python、PyTorch、TensorFlow、3DGS、NeRF、自动驾驶
业务类型profit_center
工作生活
60中等
工作地点在北京，需要现场办公，但实习生的生活节奏相对灵活，整体生活化动机满足程度一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
岗位服务于自动驾驶真实应用场景，具有较高的社会价值，意义感动机满足程度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs