腾讯
腾讯游戏-高级研究员-大模型后训练
腾讯游戏-高级研究员-大模型后训练
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公NLP工程
NLP工程
Deepspeed
Megatron-Core
Nlp
Pytorch
Sglang
Vllm
大模型后训练
强化学习
知识蒸馏
值不值得投
79综合评分
综合评分 79
腾讯游戏核心AI研发岗，技术栈极度前沿、发展上限高、薪资优厚，但工作强度可能较大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
6万
比NLP工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1980 个在招 · 其中NLP工程 5 个
市场机会
选择适中
上海 · NLP工程 · 26 个在招
职位详情
关于这个职位
该职位负责腾讯游戏智能NPC对话方向的前沿研究，研发新一代对话底座模型
你需要运用大模型后训练、知识蒸馏等技术，让NPC具备独特人设与记忆，并与游戏引擎及策划团队协作，实现模型在游戏场景中的落地与持续优化
最低要求
硕士及以上学历，人工智能、计算机科学、自然语言处理或相关领域专业背景
精通Python与PyTorch生态，熟悉DeepSpeed、Megatron-Core、FSDP等训练框架及vLLM、SGLang等推理框架，具备大规模文生文模型训练与分布式训练工程能力
系统掌握大模型后训练技术栈，包括SFT、GRPO、REINFORCE++、RLVR、RFT及reasoning模型训练范式（长思维链、test-time scaling、DAPO等）
深入理解模型蒸馏技术，如OPD、多教师蒸馏、自蒸馏，能将强教师模型能力迁移至线上小模型
熟悉训练数据管线构造，能围绕人设一致性、世界观、记忆、语言风格设计数据方案并实现清洗去重与质量过滤
熟悉评测管线构造，掌握自动化harness、LLM-as-a-Judge、在线A/B与用户反馈闭环，建立端到端评测体系
具备端到端大模型后训练落地经验，完整跑通数据到上线全链路，在时延与成本约束下最大化模型效果
具备优秀的问题分析与跨团队沟通能力，能独立推动技术项目在游戏业务中的落地
工作职责
负责智能NPC对话（文生文）方向的前沿研究，研发新一代对话底座模型，使游戏中的智能NPC能像真实人物一样与玩家实时交互
跟踪并研究大模型后训练、知识蒸馏与智能体等最新技术，让大模型学会扮演各类游戏NPC角色，具备独特世界观、人设、记忆与语言风格，并持续优化线上推理效果与智能体harness决策能力
构建游戏生成专用数据集，训练与微调大模型，提升生成内容逻辑性与人物一致性，探索RL、RLVR、OPD等技术优化与NPC设定的匹配度
协同游戏引擎团队，保障生成内容可直接运行于Unreal等主流引擎，监控真实场景表现并持续迭代模型效果与稳定性
与游戏策划、美术及程序团队紧密协作，理解业务需求并转化为实际生产力，输出技术文档、专利或论文以推动行业技术标准建设
设计并搭建数据飞轮与评测闭环，利用合成数据与用户反馈不断提升模型在角色扮演场景下的综合表现
AI 洞察
优缺点分析
优点
- 处于人工智能与游戏结合的最前沿，能够接触到最新的大模型后训练与智能体技术
- 依托庞大的游戏业务场景，拥有海量数据与丰富的落地场景，技术成果能直接产生巨大业务价值
- 平台资源雄厚，能与顶尖的游戏策划、美术及程序团队协作，拓宽技术与业务视野
- 适合对游戏AI充满热情、具备扎实大模型算法功底与工程落地能力，且渴望在顶尖平台推动技术变革的算法工程师或研究员
缺点 / 挑战
- 大模型技术迭代极快，需要持续跟踪最新论文与技术栈，学习压力较大
- 游戏场景对推理时延和成本有严格约束，在有限资源下最大化模型效果具有较高工程挑战
- 跨团队协作沟通成本较高，需将前沿技术转化为游戏策划能理解并使用的实际生产力
角色解读
- 从高级研究员向技术专家或首席科学家发展，深耕大模型与游戏AI交叉领域
- 有机会主导核心AI项目，推动行业技术标准建设，发表专利或论文，提升个人在学术界与工业界的影响力
- 负责游戏智能NPC对话底座模型的研发与前沿研究，让NPC具备真实人物般的交互能力
- 运用大模型后训练、知识蒸馏等技术，优化模型的人设、记忆与语言风格，并保障其在游戏引擎中的稳定运行
- 构建数据飞轮与评测闭环，与策划、美术、程序团队跨部门协作，推动AI技术在游戏业务中的实际落地
- 精通Python与PyTorch，熟练掌握DeepSpeed、vLLM等分布式训练与推理框架
- 系统掌握大模型后训练技术栈（如SFT、RLVR、GRPO）及模型蒸馏技术
- 具备端到端的大模型落地经验，熟悉数据管线构造与自动化评测体系搭建
申请策略
- 在简历或面试中准备具体的案例，说明如何在时延与成本约束下优化模型效果
- 提前体验腾讯旗下的相关游戏产品，思考智能NPC在游戏场景中的具体应用痛点与解决方案
- 突出在大模型后训练、知识蒸馏或强化学习（RL/RLVR）方面的实际项目经验与落地成果
- 强调分布式训练框架（DeepSpeed/Megatron）与推理框架（vLLM）的使用经验，展现工程能力
- 展示端到端的项目经历，包括数据构造、模型微调、评测体系搭建到最终上线的全链路经验
- 深入学习最新的reasoning模型训练范式（如长思维链、test-time scaling）及RLVR等前沿技术
- 了解Unreal等主流游戏引擎的基本工作原理，以便更好地与引擎团队协同
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、行动和结果，重点突出你解决的具体技术难点
- 技术深度与业务结合：在回答技术问题时，始终结合游戏业务的实际约束（如时延、成本、玩家体验）来阐述方案
- 请详细介绍你参与过的一个大模型后训练项目，你是如何解决数据一致性和人设保持问题的？
- 在时延和成本受限的游戏线上场景中，你如何平衡模型效果与推理性能？
- 请解释一下RLVR或GRPO的原理，以及它们在NPC角色扮演场景中的具体应用优势
- 你是如何设计自动化评测体系（如LLM-as-a-Judge）来评估NPC对话质量的？
- 复习大模型后训练的核心算法（SFT, RLHF, RLVR, DPO等）及最新的推理优化技术
- 准备1-2个端到端落地的项目案例，梳理从数据清洗、模型训练到线上部署的完整链路及踩坑经验
职位点评
薪资福利85
成长发展95
工作生活45
使命价值80
薪资福利
85较高
该岗位技术门槛高，上海同类高级算法岗位市场价处于高位，能提供具有竞争力的薪酬回报。
薪资信号未披露（AI估算：4千–8万/月）
成长发展
95较高
岗位聚焦大模型后训练与游戏AI前沿技术，技术栈极其前沿，且鼓励输出专利论文，发展上限极高。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、DeepSpeed、Megatron-Core、vLLM、SGLang、SFT、GRPO、RLVR、OPD
成长机会推动行业技术标准建设、输出技术文档、专利或论文
业务类型ambiguous
工作生活
45较低
JD未提及任何工作模式与WLB相关信息，无法判断实际工作强度与办公灵活性。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
致力于让游戏NPC像真实人物一样交互，推动游戏AI技术革新，具有较强的创新意义与行业影响力。
行业发展高速增长赛道
社会影响中性/一般
使命信号渴望为世界带来新意、带来美好的、撼动人心的改变
创新程度开拓性创新（行业首创）
Watch Jobs