美团
校招北京/深圳 · 校招 · 2027 届 · 硕士
长期有效
【岗位职责】
为了更好地提升城市即时配送的效率与体验,2017年,美团启动了无人机配送服务的探索,通过科技创新推动履约工具变革,加快建设空地协同的本地即时配送网络。目前,美团已初步完成了自主飞行无人机、智能化调度系统及高效率运营体系的研发建设工作,由此打造了一个服务于多场景、多天候的城市低空物流解决方案。
该岗位将负责无人机实景仿真系统的核心算法研发与落地。以3D Gaussian Splatting(3DGS)、神经场景重建为基础,融合世界模型与生成式AI能力,打造面向无人机低空自主飞行场景的高保真数字孪生环境。系统接入无人机多视角航拍、地面激光雷达/相机采集、卫星遥感影像等多源异构数据,通过大规模场景重建与AI驱动的可控生成,输出覆盖城市级区域的真实感仿真场景,支撑感知、规划、决策等全链路算法的闭环训练与验证,加速无人机算法从仿真到实飞的迭代效率。
【任职要求】
【岗位要求】
a.3DGS / NeRF / 神经渲染:熟悉3DGS原理及变体,有大规模场景重建与实时渲染优化经验;
b.世界模型 / 视频生成:了解UniSim、GAIA-1、DriveDreamer、Sora等,有场景级生成模型训练经验;
c.生成式AI:熟悉Diffusion Model、ControlNet、3D生成等,有可控生成与场景编辑经验;
d.熟练使用AI工具提升研发效率:能将AI编程助手、大语言模型等工具融入日常开发与研究流程,具备AI辅助编程、方案设计、文献调研的实践经验;
【岗位吸引力】
1 .技术前沿,行业稀缺:你将站在3DGS、世界模型、生成式AI与低空经济的交叉前沿,这是当下学术界和工业界最热门的方向之一,研究成果可直接对标CVPR/SIGGRAPH级别工作;
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
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)
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
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
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
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
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。