阿里巴巴
校招算法工程师-三维重建和生成
北京/杭州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 1. 本科及以上学历，计算机视觉、计算机图形学、机器学习等相关专业；
- 2. 具备计算机图形学和计算机视觉理论基础，熟悉几何重建、NeRF建模、可微渲染、Diffusion、Gaussian Splatting、3DGS场景生成等相关领域技术；
- 3. 具备极佳的工程实现能力，熟练掌握C++/Java/Python等至少一门语言；
- 4. 敢于突破现状，勇于探索新思路、新技术，能够积极主动地进行协助沟通，配合团队共同完成目标；
- 5. 对新技术有强烈的好奇心和学习能力，能够快速掌握并应用前沿技术。
岗位描述
- 1. 负责结合视频生成及大模型技术的3D模型编辑算法研发。重点攻克3D数字人妆容、发型、服饰的精细化编辑，提升算法在复杂编辑场景下的高稳定性与时空一致性；
- 2. 参与Physical AI与3D场景生成技术的深研。探索世界基础模型（WFM）算法，实现从单幅图像到可自由探索的3DGS（3D Gaussian Splatting）场景转换，以及从普通视频到视角连续、可交互空间视频的语义跃迁；
- 3. 研究3D信息（如几何、深度、姿态）与视频生成大模型的深度融合。通过3D先验实现对数字人姿态、表情及动作的高度可控生成，打造新一代高质量、高可控的短视频内容生产工具；
- 4. 与跨部门优秀人才协作，推动前沿算法在实际业务场景中的应用与落地，参与从算法原型设计到规模化部署的全过程，持续通过技术创新解决行业挑战。
- 1. 本科及以上学历，计算机视觉、计算机图形学、机器学习等相关专业；
- 2. 具备计算机图形学和计算机视觉理论基础，熟悉几何重建、NeRF建模、可微渲染、Diffusion、Gaussian Splatting、3DGS场景生成等相关领域技术；
- 3. 具备极佳的工程实现能力，熟练掌握C++/Java/Python等至少一门语言；
- 4. 敢于突破现状，勇于探索新思路、新技术，能够积极主动地进行协助沟通，配合团队共同完成目标；
- 5. 对新技术有强烈的好奇心和学习能力，能够快速掌握并应用前沿技术。
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。