游戏模型数据专家-研发数据

优缺点分析

角色解读

• 技术方向：深耕多模态大模型领域，成为数据算法专家或技术Leader
• 业务方向：向游戏AI产品化转型，结合业务理解推动数据策略落地
• 管理方向：积累项目主导经验，逐步向技术经理或团队负责人发展
• 负责游戏研发中的多模态数据处理，包括文档OCR、表格公式识别、图表图片视频解析等，直接服务于模型效果提升
• 主导数据闭环建设，通过自动化挖掘难例、交叉投票标注、质量校验等手段，构建可持续迭代的数据飞轮
• 针对复杂场景（如不规则表格、动态视频）设计专项技术方案，解决解析不全或错乱的核心问题
• 跟踪多模态大模型前沿技术，进行技术选型和落地验证，推动业务创新
• 扎实的计算机视觉和机器学习理论基础，熟悉多模态理解相关任务
• 熟练使用Python和PyTorch，具备算法工程和分布式训练经验
• 了解多模态大模型的训练流程（预训练、SFT、RLHF等），能进行大规模数据处理和模型评测
• 良好的学习能力、工程素养和协作沟通能力，能独立推动问题解决

申请策略

• 了解腾讯游戏AI业务方向，在面试中结合具体游戏场景（如《王者荣耀》《和平精英》）提出数据优化思路
• 准备一个端到端的项目案例，展示从数据采集、处理到模型效果提升的完整闭环
• 突出多模态相关项目经验，如OCR、图表解析、视频理解等，量化效果指标
• 强调大规模数据处理和模型训练经验，尤其是使用PyTorch和分布式框架
• 展示独立解决问题的能力和工程素养，如设计并实现数据闭环系统
• 补充多模态大模型最新论文的阅读和实践，重点熟悉Llama、Qwen等开源模型的训练流程
• 加强Python工程能力，包括高效数据流水线、模型评测工具链的搭建

面试指南

• STAR法则：情境-任务-行动-结果，突出技术难点和量化成果
• 技术方案对比：从多种可行方案中分析优劣，结合业务场景选择最佳实践
• 数据驱动思维：强调数据质量对模型效果的影响，展示闭环迭代意识
• 请介绍你做过的一个多模态数据处理项目，以及你如何解决数据质量问题的？
• 如何处理表格识别中的不规则布局和合并单元格？请描述技术方案
• 在多模态大模型训练中，如何设计数据配比和难例挖掘策略？
• 请详细说明SFT和RLHF在多模态模型中的实践要点
• 系统复习多模态大模型基础，包括ViT、CLIP、LLaVA等架构和训练方法