光子 AI-可控视频生成研究员

优缺点分析

角色解读

• 深耕视频生成与游戏 AI 交叉领域，成为该前沿方向的技术专家或研究负责人
• 晋升为高级研究员或技术 Leader，带领团队推动可控生成技术在更多游戏场景中落地
• 横向拓展至腾讯其他 AI 研究团队（如多模态、强化学习），或转向游戏引擎/渲染等核心岗位
• 设计多模态可控视频生成框架，整合键盘、手柄、语音等多种输入方式，实现灵活的交互式生成
• 研究稀疏控制信号下的高保真视频生成，探索扩散模型在条件控制范式中的新应用
• 实现轨迹、相机、运动、姿态等控制信号的解耦与组合，并针对不同游戏类型定制专用控制模块
• 研发多人协同操控视频生成能力，确保低延迟响应与帧间状态一致性，并与引擎/Agent团队协作定义标准化接口
• 精通条件生成模型和扩散模型，深入理解计算机视觉与深度学习原理
• 具备相机控制、轨迹控制、姿态控制等实际项目经验，熟悉游戏引擎的输入输出逻辑和帧同步机制
• 熟练使用 Python 和 PyTorch，有可控视频生成或条件生成相关方向的论文发表
• 了解游戏 AI 和实时/交互式视频生成技术，有相关开发经验者优先

申请策略

• 在面试中准备一个简短的 demo 或研究思路演讲，展示对多模态控制的理解
• 主动了解腾讯光子 AI 的业务方向（如游戏 AI、虚拟世界），并在交流中体现落地思考
• 重点突出可控生成、扩散模型、视频生成等方向的论文发表或项目经验，展示研究深度
• 强调相机控制、轨迹控制等具体项目案例，最好能附上 demo 或开源代码链接
• 如有游戏开发或实时渲染经验，务必列出具体技术栈（如 Unity、Unreal、帧同步等）
• 突出 Python/PyTorch 熟练度，以及多人协同或低延迟系统的开发经验
• 如果缺乏游戏引擎知识，建议提前学习 Unity 或 Unreal 的输入输出与帧同步机制
• 补充强化学习基础，特别是 RL 与生成模型结合的方法（如扩散模型 + RLHF）

面试指南

• 从底层原理入手，结合具体算法（如条件扩散、ControlNet）说明实现路径，并强调实际约束（实时性、稀疏性）
• 采用分步拆解：先提出整体架构，再分析关键模块（控制信号编码、生成网络、融合策略），最后讨论优化目标
• 对于开放性问题，给出自己的判断并辅以技术依据，展示思辨能力
• 请详细解释扩散模型在视频生成中的原理，以及如何实现轨迹控制？
• 如何解决多人协同操控视频生成中的延迟和状态一致性问题？
• 你如何设计一个通用的多模态控制接口，兼容键盘、手柄和语音输入？
• 请分享一个你参与过的条件生成项目，遇到的挑战及解决方案
• 你如何看待可控视频生成在游戏领域的应用前景？有哪些技术瓶颈？