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

• 技术深度：持续深耕大模型训练与RL领域，成为业界顶尖专家
• 管理方向：可转向技术管理，带领团队攻克更大规模训练难题
• 横向扩展：向AI产品化、平台架构等方向发展，拓宽影响力
• 设计并开发视频生成、世界模型与强化学习结合的训练框架，优化性能
• 深入分析和改进强化学习训练全链路，包括数据、显存、通信、并行等
• 与算法团队合作，快速验证最新技术原型并推动落地
• 精通Python和系统编程，具备复杂系统Debug能力
• 深入理解大模型分布式训练框架如Megatron-LM、DeepSpeed、FSDP
• 熟悉强化学习对齐技术（PPO、GRPO、DPO）及相关框架（Verl, ROLL等）
• 具有AIGC项目经验，熟悉生成模型原理

申请策略

• 了解腾讯游戏在AI领域的产品布局，突出个人兴趣匹配
• 准备一个完整的技术分享，展示解决复杂工程问题的思路
• 突出大模型分布式训练框架的实战经验（Megatron-LM、DeepSpeed等）
• 重点展示强化学习对齐算法（PPO、GRPO、DPO）的落地项目
• 强调AIGC相关项目经历，特别是视频生成或世界模型方向
• 展示性能优化的具体成果，如显存、通信效率提升等量化指标
• 补充深度学习框架底层原理，深入理解CUDA、NCCL等
• 关注强化学习最新论文（如RLHF、GRPO），动手复现

面试指南

• 技术原理+项目实践：先清晰阐述概念，再举例说明自己在项目中的应用和改进
• 问题->分析->解决：对性能优化问题，按'识别瓶颈-分析原因-实施优化-效果量化'结构回答
• 前瞻性思考：对开放性技术问题，展示对业界最新进展的了解和个人洞察
• 请详细解释Megatron-LM的模型并行策略及其在训练中的优势
• PPO和GRPO的核心区别是什么？你在实际项目中如何选择？
• 描述一个你优化分布式训练性能的案例，包括具体瓶颈和解决方案
• 对于视频生成模型与强化学习的结合，你有哪些技术思路？
• 如何设计一个高效的RL训练pipeline，包括数据流和梯度更新？