腾讯游戏-大模型智能评测算法工程师

优缺点分析

角色解读

• 成为大模型评测专家，主导评测体系建设，影响模型研发方向
• 向AI算法全栈发展，结合评测经验深入模型训练与优化
• 未来可转向AI安全、内容生成等前沿领域的技术管理岗
• 构建游戏领域大模型（视频生成、世界模型、数字人）的智能评测体系，制定评测标准和算子
• 优化评测技术体系，应用SFT、RL、MoE等技术提升评测效率与置信度
• 将智能评测用于训练数据处理，提高数据质量和模型迭代速度
• 追踪业界和学术界最新动态，持续完善评测方案
• 扎实的视频/NLP/多模态算法基础，深入理解Transformer、预训练、后训练等大模型原理
• 熟练掌握SFT、LoRA、CPT、RL、PE等大模型相关技术，并有实际评测开发经验
• 精通Pytorch或TensorFlow，代码能力强
• 优秀的逻辑思维和数据处理能力，能系统性解决问题

申请策略

• 准备一个具体的评测方案设计案例，展示系统性思维
• 了解腾讯游戏业务，思考评测如何提升游戏内容质量
• 突出大模型评测相关项目经验，详细说明你在评测体系中的贡献
• 展示SFT/RL等技术在实际场景中的应用成果
• 强调Pytorch/TensorFlow项目代码量和技术难点
• 列出相关论文或开源贡献，体现学术跟进能力
• 补充视频/多模态大模型相关知识，如VideoMAE、DiT等
• 深入学习RLHF、MoE等前沿训练技术

面试指南

• 对于方案设计题，先明确目标，再分步骤（标准、BMK、算子）阐述，最后讨论评估闭环
• 对于技术对比题，从原理、适用场景、优缺点入手，结合具体案例
• 对于挑战类问题，采用STAR法则，突出问题和你的系统性解决思路
• 请设计一个视频生成模型的自动化评测方案
• 如何利用RL优化评测模型的准确性？
• 你在大模型评测中遇到过哪些挑战？如何解决？
• 解释SFT和RL在评测中的应用区别
• 如何评估一个评测体系的置信度？