算法实习生（动作生成与性能优化方向）

优缺点分析

角色解读

• 实习生→正式算法工程师，深入游戏AI领域，成为动作生成方向专家
• 可向技术专家或技术主管发展，主导游戏动画AI管线
• 积累前沿AI工程化经验，未来也可转至通用AI或机器人领域
• 负责动作生成相关的生成式模型设计、训练与策略调优，如Diffusion、Flow Matching等
• 跟进前沿AI算法，解决实际场景中的动作预测与生成难题，推动技术落地
• 针对高性能指标进行模型深度剖析与推理加速优化，涉及CUDA算子开发等底层优化
• 扎实的生成式模型基础，熟悉Diffusion、VAE、Flow Matching等架构原理及训练经验
• 模型压缩与加速能力，包括蒸馏、量化、剪枝等
• D角色动画与运动学知识，了解Motion Generation相关算法
• 加分项：CUDA编程、模型部署与推理优化经验

申请策略

• 提前了解米哈游游戏（如原神、崩坏）的动画系统，思考AI如何改进
• 准备一个动作生成相关的demo或项目展示，体现动手能力
• 突出相关论文发表经历，尤其是动作生成、扩散模型等方向
• 详细描述生成式模型训练与调优项目，量化提升效果
• 强调模型加速经验（蒸馏、量化）或CUDA开发实战
• 如有游戏相关项目或动画理解，务必展示
• 系统学习Diffusion、Flow Matching原理，并复现基础模型
• 动手实现模型压缩算法，如知识蒸馏或剪枝，在开源数据集上测试

面试指南

• 对于技术问题，先从原理出发，再结合自己的实践经历，最后提出优化思路
• 对于项目问题，采用STAR法则（情境、任务、行动、结果）结构化叙述
• 对于开放问题，先明确目标，再分点列出可行方案，并对比优劣
• 请详细解释Diffusion模型的训练过程和采样方法
• 你如何对生成模型进行性能优化？有哪些常见的加速手段？
• 描述一个你训练过的生成式模型，遇到了哪些困难？如何解决？
• 你了解哪些动作生成算法？它们各自的优缺点是什么？
• 如果要求将模型推理延迟降低50%，你会从哪些方面入手？