腾讯
校招光子AI-Omni 数据引擎仿真与高保真物理渲染研究
深圳总部 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1. 计算机图形学、计算机视觉、人工智能或多模态相关方向博士，具有图形学、3D视觉、音频或生成模型相关研究成果；
- 2. 精通离线渲染及 PBR 原理，深入理解光传输、材质、灯光、相机成像、运动模糊和采样降噪，能够控制合成数据的视觉真实性与分布；
- 3. 熟悉 Unreal Engine、Houdini、Blender 或 Omniverse，具备 C++、Python、Blueprint/VEX 等开发和自动化管线建设能力；
- 4. 熟悉程序化场景生成、物理仿真、多视角几何及3D资产体系，能够生成结构化、可控且物理一致的长时序视频数据；
- 5. 理解音频生成与空间声学基础，熟悉音效事件、声源定位、混响、空间音频及音画同步中的一项或多项技术；
- 6. 熟悉 USD、MaterialX、AOV/Render Pass、渲染农场及大规模任务调度，具备百万至亿级样本生产和质量治理经验者优先；
- 7. 有 Omni/视频生成模型训练、合成数据闭环、可微渲染、神经渲染或 Sim-to-Real 项目经验者优先。
岗位描述
【岗位职责】
课题面向 Omni 音视频基础模型训练，研究高质量、可控制、可规模化的合成数据生成方法。重点探索程序化场景与交互事件生成、物理一致的视觉渲染与空间音频仿真、多视角长时序采集，以及音画同步和多模态真值自动标注，构建覆盖场景、角色、动作、相机、光照、声源与控制信号的完整数据生产体系；同时研究 Domain Randomization、真实数据风格迁移及模型反馈驱动的数据闭环，持续优化数据分布、难例覆盖和单位数据价值，为 Omni 模型的跨模态理解、音视频联合生成、时序一致性及实时交互能力提供数据基础。
【任职要求】
- 1. 计算机图形学、计算机视觉、人工智能或多模态相关方向博士，具有图形学、3D视觉、音频或生成模型相关研究成果；
- 2. 精通离线渲染及 PBR 原理，深入理解光传输、材质、灯光、相机成像、运动模糊和采样降噪，能够控制合成数据的视觉真实性与分布；
- 3. 熟悉 Unreal Engine、Houdini、Blender 或 Omniverse，具备 C++、Python、Blueprint/VEX 等开发和自动化管线建设能力；
- 4. 熟悉程序化场景生成、物理仿真、多视角几何及3D资产体系，能够生成结构化、可控且物理一致的长时序视频数据；
- 5. 理解音频生成与空间声学基础，熟悉音效事件、声源定位、混响、空间音频及音画同步中的一项或多项技术；
- 6. 熟悉 USD、MaterialX、AOV/Render Pass、渲染农场及大规模任务调度，具备百万至亿级样本生产和质量治理经验者优先；
- 7. 有 Omni/视频生成模型训练、合成数据闭环、可微渲染、神经渲染或 Sim-to-Real 项目经验者优先。
【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。