腾讯游戏-大模型强化学习框架研发工程师/专家

优缺点分析

角色解读

• 在交叉领域成长为顶尖工程专家，主导下一代AI训练架构
• 向技术架构师或AI工程团队负责人发展，领导核心框架设计与团队建设
• 积累业界影响力，参与定义大模型与强化学习结合的技术标准
• 设计并开发视频生成与世界模型结合强化学习的训练框架，解决大规模分布式训练中的工程难题
• 优化RL训练全链路，包括数据加载、显存管理、通信效率、并行策略，显著提升训练速度
• 与算法团队紧密协作，快速验证前沿技术原型，推动技术落地到腾讯游戏产品中
• 精通Python，具备扎实的系统编程和调试能力，能处理复杂分布式系统问题
• 深入理解大模型分布式训练原理，有Megatron-LM、DeepSpeed等框架的实际优化经验
• 熟悉强化学习后训练算法（PPO、GRPO等），能解决RL训练中的工程痛点
• 了解AIGC生成模型（如扩散模型）原理，有相关项目经验

申请策略

• 准备一个你主导过的复杂分布式训练优化案例，用STAR法则描述
• 了解腾讯游戏在AI方面的布局，展现与之匹配的技术视野
• 突出在Megatron-LM或DeepSpeed上的具体优化案例，如显存压缩、通信优化等
• 展示强化学习算法（如PPO）在大型模型训练中的应用经验
• 强调AIGC相关项目成果，特别是视频生成或世界模型方向
• 体现复杂系统Debug能力和独立解决技术难题的经历
• 深入学习RL训练中的工程细节，如经验回放、奖励设计、分布式采样
• 掌握视频生成模型（如Sora架构）的原理和训练流程

面试指南

• 先阐述问题原理，再给出基于实践的具体优化策略
• 使用STAR方法描述项目经验，突出个人贡献和量化结果
• 对比不同技术方案，展示深入理解和选择依据
• 如何优化大规模RL训练中的显存瓶颈？请给出具体方案
• PPO和GRPO的核心区别是什么？在分布式环境下如何实现？
• 描述你使用Megatron-LM的经验，包括模型并行和数据并行的配置
• 视频生成模型如何与强化学习结合？你了解哪些已有的方法？
• 遇到分布式训练中通信延迟过高，你会如何排查和解决？