腾讯游戏-多模态世界模型数据工程师

优缺点分析

角色解读

• 深耕数据工程领域，成为大规模多模态数据系统的专家
• 向算法研究转型，结合数据视角参与世界模型核心研发
• 在腾讯内部可横向发展到其他AI相关团队，如游戏AI、自动驾驶等
• 构建大规模多模态数据处理管线，覆盖视频和3D场景数据的采集、清洗、结构化与合成
• 开发自动化的数据处理工具和脚本，提升数据标注与生产迭代效率
• 建立数据质量评估与自动化检测体系，确保数据可靠性
• 与算法团队紧密协作，分析模型训练需求，制定针对性数据策略以推动模型性能提升
• 扎实的编程能力，熟悉 Python 和 PyTorch 等深度学习框架
• 深入理解大模型训练数据的构建流程，熟悉视频或三维数据处理经验
• 掌握数据质量评估方法和统计分析手段，能设计高效数据清洗策略
• 了解世界模型或多模态大模型的基本范式，能从数据视角理解算法需求

申请策略

• 深入了解腾讯在游戏AI和世界模型方向的研究成果，展示对该领域的热情
• 提前准备好一个数据管线的项目案例，能用STAR法则清晰阐述
• 突出大模型数据处理经验，尤其是视频或3D数据管线的构建案例
• 量化描述数据清洗、标注效率提升的成果（如处理规模、时间缩短百分比）
• 展示PyTorch等框架的熟练度以及自动化脚本开发能力
• 如有相关顶会论文或开源项目，重点标注
• 补充了解世界模型或多模态大模型的训练范式（如VideoPoet、Sora相关技术）
• 熟悉分布式数据处理框架（如Spark、Ray）以应对大规模数据

面试指南

• 对于系统设计类问题，遵循“目标-方案-评估”框架：先明确数据需求，再设计模块化、可扩展的管线，最后讨论质量监控与迭代
• 对于数据评估问题，采用“多维度指标+业务对齐”思路：质量、多样性、覆盖度、与模型任务的相关性
• 请描述你设计过的一个大规模数据处理管线，包括面临的主要挑战和解决方案
• 如何评估一个数据集对世界模型训练的价值？你会使用哪些指标？
• 谈谈你对世界模型的理解，以及数据策略如何影响模型能力
• 给定一个包含噪声的2D视频数据集，你会设计怎样的清洗流程？
• 在 PyTorch 中，如何高效处理大规模视频数据以支持模型训练？
• 复习世界模型/多模态大模型的经典论文（如World Models, Sora, VideoPoet）