腾讯游戏-大模型数据与评测高级工程师-智能NPC

优缺点分析

角色解读

• 在腾讯游戏AI团队深耕大模型数据与评测方向，成为数据科学或评测领域的专家
• 可向技术管理方向发展，带领数据或评测小组，或转向更核心的LLM训练/推理优化岗位
• 积累游戏+AI的稀缺经验，在行业快速扩张期拥有广阔的职业选择空间
• 搭建NPC多模态数据管道，覆盖对话、行为、环境、玩家反馈等多源数据的采集、清洗、合成和质量评估
• 设计并实现自动化评测体系，制定对话质量、人设一致性、行为合理性等维度的指标和评分流水线
• 与模型训练团队协同，基于SFT/RLHF/DPO等范式优化数据策略，构建数据飞轮和玩家反馈闭环，持续提升NPC智能表现
• 扎实的机器学习/深度学习基础，熟悉大模型训练数据构建与处理方法，了解NLP/对话系统
• 熟练使用Python和PyTorch，具备工程化能力，熟悉Airflow、Spark、SQL等数据工程工具链
• 掌握评测方法学，了解统计显著性分析、Kappa/ICC等一致性校验方法
• 对游戏行业有热情，理解NPC设计逻辑与玩家体验诉求

申请策略

• 在简历和面试中展现出对技术的好奇心与热情，强调解决复杂问题的思维方式
• 关注腾讯游戏AI团队的技术博客或公开分享，了解他们目前的业务方向和技术栈，在面试中体现匹配度
• 突出大模型数据管线的完整项目经验，例如数据处理流程、自动化质检系统的设计与落地
• 强调评测体系的构建成果，包括指标设计、数据分析和一致性验证的具体案例
• 展示Python/PyTorch工程能力，以及使用Airflow/Spark等工具处理大规模数据的能力
• 若有游戏相关经历（如玩过多种游戏或做过游戏AI），可写入并关联NPC设计理解
• 提前熟悉SFT/RLHF/DPO等大模型训练范式，理解数据策略对模型效果的影响
• 复习统计显著性与评分一致性指标（如Kappa、ICC），掌握评测实验设计方法

面试指南

• 使用STAR法则：描述情境（S）、任务（T）、行动（A）和结果（R），突出个人贡献和数据量化
• 对于设计类问题，先拆解目标、用户/场景，再分维度设计指标，最后说明评估方法和迭代闭环
• 对于技术方案问题，结合具体工具和流程，展示端到端思考，并提及权衡取舍
• 你如何设计一个NPC对话质量评测体系？有哪些关键指标？
• 如何保证数据管线的稳定性和数据质量？请举例说明
• 在数据清洗时，你如何处理噪声或异常数据？
• 你了解RLHF吗？数据策略如何影响模型对齐效果？
• 如何看待游戏NPC的智能程度？你理想中的智能NPC应该具备哪些能力？