高德-3D重建/生成算法工程师/专家-视觉团队

优缺点分析

角色解读

• 在技术专家路线上深入发展，成为空间智能、三维重建或生成式AI领域的顶尖专家
• 有机会带领技术团队，负责核心算法方向的技术规划与落地，向技术管理方向发展
• 依托高德和阿里生态，将研究成果快速应用于国民级产品，实现技术价值的最大化
• 研发空间智能核心技术，处理室内外、航拍、卫片等多场景数据，进行高质量的空间理解、重建与生成
• 负责多模态大模型和视频生成大模型的预训练与微调，应用于数字人、生成式重建等前沿方向
• 构建和管理大规模多模态数据集，搭建高效的数据流水线，以支持算法训练与评估
• 结合具体业务需求，抽象并研发关键算法，持续保持和引领相关技术指标
• 扎实的计算机视觉、图形学或人工智能理论基础，具备相关专业硕士或博士学历
• 熟悉三维重建、表征及渲染算法，以及大语言模型、多模态空间智能、生成式AIGC等前沿技术
• 具备优秀的英文写作能力，能够阅读和撰写高水平学术论文
• 良好的沟通能力和严谨的工作态度，能够解决实际工程问题

申请策略

• 在申请材料中明确表达对空间智能方向的深入理解和独特见解
• 可以提前了解高德在自动驾驶、AR导航等业务上的技术挑战，并在面试中展示你的思考
• 重点突出在三维重建（如NeRF、3DGS）、多模态大模型或视频生成领域的项目经验和研究成果
• 详细描述在顶级会议（如CVPR、ICCV、NeurIPS）发表的论文，并说明个人贡献
• 强调处理大规模数据、构建高效训练pipeline的工程能力
• 展示将算法落地到实际产品或业务场景的案例
• 深入学习3DGS、扩散模型、多模态大模型的最新论文和开源代码，尝试复现关键算法
• 补充学习大规模分布式训练、模型部署优化等工程技能

面试指南

• 回答技术问题时，可以采用STAR法则（情境、任务、行动、结果），清晰阐述项目背景、个人贡献和最终成果
• 对于开放性问题，可以结合自己的知识体系，从技术可行性、业务价值、工程成本等多个维度进行分析，展现系统思考能力
• 在讨论研究经历时，不仅要讲结果，更要突出你发现问题和解决问题的思考过程
• 请详细介绍一下你在三维重建或3DGS方向的研究工作，遇到过哪些挑战，如何解决？
• 如何设计一个高效的数据pipeline来支持大规模多模态模型的训练？
• 谈谈你对多模态大模型在空间智能领域应用前景的看法
• 针对高德的AR导航业务，你会如何利用生成式AI技术来提升用户体验？
• 请解释一下3DGS的数学原理及其与传统方法相比的优劣