腾讯
实习混元-图像及3D模态编辑数据构建范式研究
深圳总部 · 实习 · 博士
长期有效
任职要求
- 学历和专业：计算机视觉、VLM、计算机图形学或机器学习相关方向博士；在ICLR、NeurlPS，ICML、KDD、AAAI，IJCAI等机器学习领域会议或者期刊有第一作者发表过至少一篇文章。
- 技术技能：熟悉模型开发&训练常见框架，具备快速阅读和复现论文的能力，3D方向需要熟悉UE/Blender引擎
岗位描述
【岗位职责】
课题背景：
当前图像与3D模态的精准编辑高度依赖昂贵且匮乏的Before/After人工数据。这直接导致模型在复杂属性理解和真实场景泛化上表现不稳定。同时，业内缺少能全面准确衡量模型编辑能力的统一评估标准。
课题挑战：
- 1）高价值数据挖掘建模：需在海量视频、连续图像及3D资产序列中，探索基于时空共现关系与跨模态表征相似度的图网络建模方法，从中精准挖掘并配对出高价值的编辑数据，算法逻辑复杂。
- 2）闭环构建与多维评测：在多模态大模型及PCG链路上建立高质量编辑数据的自动化合成与过滤闭环难度大。此外，需克服主观偏差，构建涵盖指令遵循度、保真度、物理合理性等多维度的可靠Benchmark。
具体工作：
研发基于时空关系的高价值编辑数据挖掘算法及自动化合成过滤链路；构建涵盖指令遵循度、保真度、物理合理性等多维度的模态编辑Benchmark。
【任职要求】
学历和专业：计算机视觉、VLM、计算机图形学或机器学习相关方向博士；在ICLR、NeurlPS，ICML、KDD、AAAI，IJCAI等机器学习领域会议或者期刊有第一作者发表过至少一篇文章。
技术技能：熟悉模型开发&训练常见框架，具备快速阅读和复现论文的能力，3D方向需要熟悉UE/Blender引擎
【技术方向】
AI数据、数据工程
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 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
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。