腾讯游戏-大模型强化学习框架研发工程师/专家

优缺点分析

角色解读

• 成为大模型训练与强化学习领域的顶级专家，主导关键技术方向
• 转向AI架构师，负责更大规模的训练系统设计与架构演进
• 向技术管理方向发展，带领团队攻克前沿难题
• 设计并开发视频生成与世界模型结合强化学习的训练框架，解决分布式训练中的工程痛点
• 优化RL训练全链路性能，包括数据加载、显存管理、通信效率等
• 与算法团队合作，快速验证前沿技术原型，推动技术创新落地
• 精通Python及系统编程，具备复杂系统Debug能力
• 深入理解大模型分布式训练原理，有Megatron-LM、DeepSpeed或FSDP等框架经验
• 熟悉PPO、GRPO、DPO等对齐技术及Verl、ROLL等强化学习框架
• 具备AIGC领域项目经验，了解主流生成模型原理

申请策略

• 准备一份技术方案，针对训练效率瓶颈提出自己的改进思路，展示解决问题的能力
• 关注腾讯游戏的技术博客和开源项目，在面试中展现对团队技术文化的认同
• 突出大模型分布式训练框架（Megatron-LM/DeepSpeed）的实际项目经验，最好有性能优化案例
• 强调强化学习对齐技术（PPO、GRPO等）的应用经历，特别是解决工程痛点的具体贡献
• 展示AIGC相关项目（视频生成、图像生成等）的技术细节和成果
• 体现个人技术好奇心：如参与开源项目、发表技术博客或顶会论文
• 系统学习并实践Verl、ROLL等强化学习框架，掌握其设计思想
• 深入理解分布式训练中的通信与显存优化技术，如ZeRO、序列并行等

面试指南

• 从问题本质出发，分析瓶颈原因，再给出具体优化手段（如梯度压缩、异步通信、流水线调度等），并附带实际效果数据
• 结合自身项目经验，按照“背景-方案-结果”的结构回答，突出思考过程和权衡取舍
• 展现技术广度与深度的结合，既讲清楚理论原理，也阐述工程实现中的细节
• 请详细描述如何优化大规模RL训练中的通信瓶颈？
• PPO和GRPO的核心区别是什么？在分布式训练中如何实现？
• 你在使用Megatron-LM或DeepSpeed时遇到过哪些问题？如何解决的？
• 如何将视频生成模型与RL结合？请举例说明技术挑战和解决方案
• 面对一个业界没有先例的技术难题，你通常如何开展研究和推进？