阿里巴巴
校招算法工程师-3D渲染与仿真
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、图形学、人工智能、数学等相关专业；
- 2、具备扎实的图形学/仿真/机器学习基础，至少熟悉以下一个方向：实时渲染、3D Gaussian Splatting、动画系统、物理仿真、强化学习；
- 3、具备较强的自主学习与问题攻坚能力，敢于突破现状，能够快速复现前沿论文并推动技术落地；
- 4、具备良好的沟通能力与团队协作意识，乐于分享与共创；
- 【加分项】
- 1、在国际顶级会议/期刊发表论文，或在相关专业比赛中获奖；
- 2、具备3D引擎，机器学习、强化学习等相关经验者优先。
岗位描述
我们正在寻找对前沿 3D+AI 技术充满热情的算法工程师（3D 渲染与仿真方向），共同探索并构建面向电商业务的物品、数字人、场景的实时 3D 交互体验。你将深入复杂且富有挑战的业务场景，负责从底层渲染/仿真算法、前沿神经渲染研究，到探索 AI（Transformer、强化学习、Diffusion 等）与渲染/仿真的深度融合，并推动跨设备（手机/PC/Web/空间计算设备等）线上落地的全链路工作，打造面向 AI 时代的 3D 引擎技术，沉淀可复用的实时渲染与数字人方案，支撑业务规模化应用。
你将负责：
- 1、渲染系统：围绕新一代图形架构，打造 CG + Machine Learning 的混合渲染体系，持续突破 3D 引擎在画质、性能与交互上的能力边界，实现效果与实时性的双提升；
- 2、Gaussian Splatting 渲染：紧密跟进学术界最新进展，研发并落地 GS 的关键能力，包括可编辑性、物理一致性、高光/材质表达、Relighting 等高级特性，打造兼具高质量与高性能的 GS 渲染技术栈与工程化方案；
- 3、实时仿真与驱动：研发物理仿真/强化学习与动画系统融合的实时驱动能力，构建稳定可控的数字人驱动框架，实现低时延的表情与动作生成，并支持与场景/道具的实时交互，打造更自然、更可信的类真人表现。
- 1、本科及以上学历，计算机视觉、图形学、人工智能、数学等相关专业；
- 2、具备扎实的图形学/仿真/机器学习基础，至少熟悉以下一个方向：实时渲染、3D Gaussian Splatting、动画系统、物理仿真、强化学习；
- 3、具备较强的自主学习与问题攻坚能力，敢于突破现状，能够快速复现前沿论文并推动技术落地；
- 4、具备良好的沟通能力与团队协作意识，乐于分享与共创；
【加分项】
- 1、在国际顶级会议/期刊发表论文，或在相关专业比赛中获奖；
- 2、具备3D引擎，机器学习、强化学习等相关经验者优先。
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。