地平线
【2027届校招】大模型数据重建合成工程师
【2027届校招】大模型数据重建合成工程师
发布于 大约 9 小时前普通员工/个人贡献者
北京市 / 上海市
无经验要求
全职员工
仅现场办公
硕士
计算机视觉工程
3Dgs
Diffusion
Nerf
Vla
世界模型
数据合成
自动驾驶
视频生成
AI 估算 · 25k–40k
校招硕士算法岗，一线城市AI头部公司，技术前沿竞争激烈，薪资对标大厂水平。
职位详情
关于这个职位
该职位负责研发自动驾驶场景的可控数据合成技术，利用扩散模型、3D重建和仿真引擎生成高质量训练数据，补齐长尾场景
你将参与构建数据闭环和自动化生产平台，与算法团队协作，推动端到端模型迭代
适合对AIGC与自动驾驶交叉领域感兴趣的同学
最低要求
硕士及以上学历，计算机、自动化、车辆工程、机器人等相关专业
熟练掌握 C++ 或 Python，具备扎实的数据结构、算法基础及良好的工程开发能力
具备良好的学习能力、问题分析与解决能力，以及团队协作和沟通能力
对自动驾驶、计算机视觉、多模态模型或数据合成方向具有浓厚兴趣，具备相关项目经验者优先
工作职责
基于 Diffusion、视频生成、世界模型、VLA 等多模态模型，研发自动驾驶交通场景 2D/3D/时序视频可控数据合成技术，针对感知、预测及端到端模型补齐长尾场景、极端工况和稀有交通样本，构建规模化、高质量的数据合成生产能力
结合 3DGS/NeRF 三维重建资产 与仿真渲染引擎，构建 Real2Sim2Real 数据闭环，解决场景生成过程中的时序一致性、多视角一致性、几何真实性及虚实融合等关键问题，持续提升合成数据质量与模型训练价值
建设数据合成自动化生产平台，覆盖场景生成、资产编辑、自动标注、质量评估、数据筛选及数据增强等核心环节，实现高质量训练数据的自动化、规模化生产
与算法、仿真、数据平台等团队协同，推动数据合成能力在感知、预测及端到端模型中的应用，建设自动驾驶数据闭环，支撑模型持续训练与线上迭代
优先资格
有自动驾驶数据闭环、仿真、世界模型、端到端模型等相关项目经验，了解自动驾驶数据生产与模型训练流程
有 Diffusion、视频生成、多模态生成、3DGS、NeRF 等相关研发经验，或参与过自动驾驶场景生成、数据合成等项目
有自动标注、数据质量评估、虚实融合、数据合成平台开发等相关经验
在 CVPR、ICCV、ECCV、NeurIPS、ICLR 等顶级会议发表相关论文，或参与 AIGC、3D 生成等开源项目者优先
AI 洞察
优缺点分析
优点
- 处于AIGC+自动驾驶交叉领域，技术前沿性和稀缺性强，职业竞争力提升快
- 背靠上市公司，资源丰富，平台大，能够接触真实业务场景和海量数据
- 数据合成是自动驾驶数据闭环的核心环节，对公司业务价值高，个人成长空间大
- 技术难度大，需要同时掌握生成模型、三维重建、自动驾驶等多领域知识
- 跨团队协作频繁，需要良好的沟通能力和项目管理意识
缺点 / 挑战
- 长尾场景和极端工况的生成挑战大，需要深入研究和反复迭代
- 适合对生成式AI和自动驾驶有强烈兴趣、喜欢技术挑战、具备较强工程能力的应届硕士生
角色解读
- 从算法工程师成长为技术专家，深耕数据合成和生成式AI方向
- 向数据闭环系统架构师发展，负责平台设计和整体技术规划
- 有机会转向自动驾驶端到端模型、世界模型等更前沿的核心算法方向
- 研发自动驾驶场景的可控数据合成技术，利用 Diffusion、视频生成等模型生成2D/3D/时序视频数据
- 结合3DGS/NeRF三维重建与仿真引擎，构建Real2Sim2Real闭环，解决场景一致性和虚实融合问题
- 建设数据合成自动化平台，涵盖场景生成、自动标注、质量评估等环节，提升数据生产效率
- 与算法、仿真、数据平台团队协作，推动数据合成在感知、预测及端到端模型中的应用
- 扎实的C++或Python编程能力，具备良好的数据结构和算法基础
- 了解Diffusion、视频生成、多模态生成、3DGS、NeRF等前沿技术
- 对自动驾驶感知、预测或端到端模型有一定理解，熟悉数据闭环流程
- 具备良好的工程能力和团队协作能力，能独立解决复杂技术问题
申请策略
- 提前了解地平线在自动驾驶数据合成方面的技术积累和产品布局
- 面试时准备1-2个展示你技术实力的项目案例，深入讲清楚你的贡献
- 突出与Diffusion、NeRF、3DGS等相关的项目或论文，展现技术深度
- 强调工程实现能力，如优化训练流程、搭建数据管线、提升推理效率等
- 如有自动驾驶数据闭环、仿真或数据合成相关经历，务必放在显眼位置
- 展示开源项目贡献或顶级会议论文，作为加分项
- 系统学习Diffusion模型原理、视频生成架构，并动手复现经典论文
- 了解NeRF/3DGS的基础理论和开源实现，积累三维重建经验
面试指南
- 对于原理类问题，可采用“提出背景-核心思想-关键公式/技术点-应用场景”的结构
- 对于工程实践类问题，采用STAR法则（情境、任务、行动、结果），突出量化成果
- 对于方案设计类问题，先明确目标，再拆解关键难点，逐步给出多方案对比和选择依据
- 请介绍一下Diffusion模型的基本原理和训练过程
- 如何保证生成场景的时序一致性和多视角一致性？
- 你了解3DGS吗？它与NeRF相比有哪些优缺点？
- 在数据合成中，你如何评估生成数据的质量？
- 结合项目经历，谈谈你如何解决数据合成中的实际挑战
职位点评
76
综合评分
前沿算法岗，技术驱动，薪资优厚，但节奏可能快。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合追求技术前沿、渴望快速成长、能适应高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利
75中等
校招岗位薪资具有竞争力，但具体福利未在JD中披露，属于中上水平。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
技术前沿性极高，涉及Diffusion、3DGS/NeRF等新兴方向，能快速积累深度技术能力，发展空间大。
技术前沿前沿/新兴技术
技术栈Diffusion、视频生成、世界模型、VLA、3DGS、NeRF、C++、Python、自动驾驶
业务类型ambiguous
工作生活
50较低
工作地点为北京或上海，未提及弹性办公或加班情况，生活节奏可能较快，但行业整体稳定。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
自动驾驶技术提升交通安全，行业前景广阔，岗位直接贡献于自动驾驶能力迭代，社会价值较高。
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
地平线 的其他在招职位
相似职位推荐
Watch Jobs