资深AI算法工程师

优缺点分析

角色解读

• 技术方向：从算法工程师成长为LLM专家或AI架构师，主导更复杂的模型研发和系统设计
• 管理方向：积累项目主导经验后，可晋升为技术团队负责人或AI部门总监
• 行业方向：深耕游戏AI领域，成为游戏行业AI应用领军人物，或横向拓展至其他行业的AI应用
• 研发垂直领域的大语言模型，应用于游戏内容生产、智能NPC和AI游戏场景，提升游戏资产制作效率
• 负责Post-training阶段的研究与开发，包括监督微调和偏好训练，构建模型基座并优化效果
• 与产品、策划、服务端团队协作，将LLM能力落地到游戏NPC智能交互、辅助工具和剧情生成等实际业务
• 跟踪并应用大语言模型的最新前沿技术和开源模型，保持技术领先
• 扎实的NLP和深度学习基础，熟悉主流大语言模型（如Qwen、Claude、Gemini）的原理和训练方法
• 掌握数据清洗、格式化工具，具备训练数据构建和效果评估的实践经验
• 熟悉Python及相关深度学习框架（如PyTorch），具备模型工程化部署能力
• 良好的逻辑思维和沟通协作能力，能够跨团队推动项目落地

申请策略

• 在求职信中表达对游戏AI的热情，结合完美世界的游戏产品提出具体应用想法
• 关注完美世界在AI领域的布局和最新动态，面试时展示对公司的了解和认同
• 突出LLM相关项目经验，尤其是Post-training、监督微调、偏好训练等具体工作
• 强调游戏行业背景，特别是游戏NPC智能对话、代码生成等项目的成果
• 展示数据处理和模型优化能力，如数据清洗、效果评估、模型选型等
• 列出主导过的大影响力项目，体现技术领导力和项目推动能力
• 系统学习主流LLM的架构和训练方法，动手实践微调和偏好训练
• 补充游戏AI相关知识，了解游戏NPC交互、剧情生成等业务场景

面试指南

• STAR法则：描述项目背景、任务、行动和结果，突出个人贡献和技术难点
• 对比分析：在比较模型或方法时，从性能、成本、可维护性等多维度展开，体现系统性思考
• 案例驱动：用具体数据或指标说明效果，如准确率提升、推理速度优化等
• 请详细描述你参与过的一个LLM项目，包括模型选型、数据处理、训练过程和效果评估
• 如何设计一个针对游戏NPC对话的监督微调数据集？需要注意哪些问题？
• 比较Qwen、Claude、Gemini等模型在游戏场景下的优缺点，你会如何选择？
• 在Post-training阶段，如何平衡模型性能和推理效率？
• 请举例说明你如何与产品、策划等非技术团队协作推动AI项目落地