AIGC算法实习生

优缺点分析

角色解读

• 实习期间可深入3D生成这一前沿领域，积累宝贵的研究经验
• 表现优秀者有机会转正为正式算法工程师，参与核心项目
• 长期可向高级算法专家或研究科学家方向发展
• 研究基于扩散模型的3D生成技术，包括Text/Image-to-3D、可控3D资产生成等方向
• 利用卫星图和3D矢量地图实现高清3D实景资产的自动化生成，并推动业务落地
• 参与前沿算法的探索和论文撰写，提升科研能力
• 扎实的编程基础，熟练使用Python及深度学习框架（如PyTorch）
• 了解扩散模型、多模态理解、大语言模型等生成式算法的基本原理和实现
• 具备一定的科研能力和论文撰写经验，熟悉NeRF/3DGS等重建技术者优先

申请策略

• 提前了解阿里巴巴相关团队（如高德、云智能）的3D业务，在面试中展现兴趣
• 准备一个你最有代表性的项目，能清晰讲述技术细节和效果
• 重点突出生成式AI项目，如Diffusion、GAN等模型的实践经历
• 强调Python编程能力和PyTorch等框架的使用经验
• 如有论文发表，特别是相关顶会，务必置于显眼位置
• 展示快速学习能力和团队协作经验
• 系统学习扩散模型的原理，熟悉DDPM、Stable Diffusion等
• 了解3D表示方法，如NeRF、3DGS，并尝试实现简单demo

面试指南

• 技术原理题：从核心思想讲起，结合公式或流程图，再说明应用场景
• 项目经验题：运用STAR法则（情境-任务-行动-结果），突出你的贡献和技术难点
• 开放式问题：先梳理思路，分点回答，体现逻辑性和创新性
• 请解释扩散模型的基本原理和训练过程
• 如何设计一个Text-to-3D生成pipeline？
• 介绍一下你参与过的一个生成式AI项目，你负责什么？
• NeRF和3DGS的区别是什么？各自优缺点？
• 如何利用卫星图和矢量地图约束3D生成？