字节跳动
校招AIG3D算法工程师 - 音视频技术
北京/上海/深圳/杭州 · 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、人工智能、数学等相关专业优先
- 具备扎实的计算机图形学、计算机视觉、多视几何与深度学习理论基础
- 熟练掌握Python，并具备优秀的C++编程能力；熟悉PyTorch/TensorFlow等至少一种深度学习框架，并有较强的工程实现和动手能力
- 对技术充满热情，具备出色的分析与解决问题能力、良好的沟通技巧和团队协作精神
- 在3D视觉、AIGC、图形学等相关领域有深入的研究或项目经验。
- 加分项
- 熟悉NeRF、3D Gaussian Splatting、SDF、Diffusion Models、Transformer等前沿技术，有实际落地经验或在相关领域取得突出成果者优先
- 在CVPR、ICCV、ECCV、SIGGRAPH、NeurIPS等顶级会议或期刊上发表过相关论文者优先
- 有大规模模型训练、模型压缩/蒸馏、高性能计算（CUDA）或大规模数据处理经验者优先
- 有知名开源项目贡献或在Kaggle等算法竞赛中取得优异成绩者优先
- 对3D内容创作工具（如Blender,Unreal Engine等）有使用经验或深入理解者优先。
岗位描述
团队介绍：视频与边缘部门承载了字节跳动的媒体内容分发基建及技术中台，支持了字节跳动全系产品，如抖音、今日头条、番茄小说、西瓜视频等APP的点播、直播、实时通信、图片等多媒体业务发展，同时将业务发展过程中沉淀下来的技术能力和工具，通过火山引擎对外输出，面向各行各业用户提供视频云产品和服务，愿景是为内外部业务伙伴提供最低成本、最优画质、最低延时、最安全可靠的富媒体内容分发解决方案，助力业务伙伴降本提效实现持续增长。
- 1、负责3D AIGC前沿算法的探索与研发，聚焦但不限于文生3D、图生3D、3D场景生成等方向，推动技术创新；
- 2、深入研究3D生成模型的关键模块，如3D VAE、3D DiT、智能布线、UV展开、物理属性估计等，并提出创新的解决方案；
- 3、主导或参与大规模3D基础模型的训练与优化，包括高效的数据清洗与预处理流程、模型压缩与蒸馏等，构建高效、稳定的3D AIGC基础模型与数据管线；
- 4、与产品和工程团队紧密合作，将前沿算法转化为实际应用，确保技术在字节跳动产品中的成功落地与迭代。
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。