字节跳动
校招3D视觉算法工程师（数据方向） - PICO
北京 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 2027届获得硕士及以上学位，计算机视觉/图像处理/机器视觉相关专业优先
- 在计算机视觉/深度学习的一个或多个领域有研究和实践经验，深耕以下至少一个核心方向：
- 1）基于NeRF/3DGS等技术的静态/动态高保真3D重建技术
- 2）3D生成大模型、LRM、DiT等多模态可控3D生成技术
- 3）大规模3D数字资产自动化生产、处理与优化技术
- 有扎实的图像处理和多视图几何基础，熟悉任一深度学习开源框架
- 熟练掌握算法设计和实现，精通C/C++/Python等计算机语言
- 具备优秀的沟通协作能力，对XR技术兴趣浓厚，具备快速学习新技术的能力
- 具备优秀的科研能力，在CVPR、ICCV、ECCV、SIGGRAPH等顶会或期刊上发表过论文者优先。
岗位描述
团队介绍：作为一家拥有自主创新和研发创造能力的科技品牌，PICO致力于成为领先的世界级XR平台，成就开发者与创作者，共同为全球消费者创造更美好的生活体验。我们开创性地将虚拟现实扩展到了多个领域，为运动、视频、娱乐等消费级场景带来了全新体验；并广泛应用在教育、医疗和企业培训等商用场景，给全球企业级用户提供了多元化的VR解决方案。
- 1、支持第一视角下的多模态数据和AI方案的结合，构建高价值的方案、评价体系和应用场景；
- 2、负责3D高精数据方案相关的前沿技术的探索研究，包括但不限于静态/动态重建、重建大模型、多模态可控生成等方向，通过实际采集和仿真等形式生成高质量的3D数据；
- 3、支持高精数据方向的技术影响力建设，形成高质量的专利和技术报告等知识产物。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。