腾讯游戏-多模态世界模型算法研究员-视频生成方向

优缺点分析

角色解读

• 从算法研究员成长为世界模型或视频生成领域的专家，主导核心算法创新
• 向技术负责人方向发展，带领团队攻克前沿技术难题
• 横向发展可转向游戏AI、数字人、元宇宙等腾讯内部其他创新业务
• 负责世界模型核心算法的研发，包括视频生成、预测和编辑等技术方向
• 探索面向游戏场景的新一代视频生成技术，提升视频的可交互性、编辑性和物理一致性
• 复现前沿论文，推动算法从研究原型到工程实现，并在大规模GPU集群上进行训练和优化
• 扎实的深度学习基础，熟练使用PyTorch等框架，具备良好的工程实现能力
• 深入理解生成模型如Diffusion Models、GANs等，或有大规模模型训练经验
• 具备多模态大模型（如CLIP、LLaVA）的应用经验者优先

申请策略

• 准备一份研究总结，展示你在世界模型或视频生成方面的思考
• 关注腾讯游戏AI实验室的公开研究成果，在面试中展现对业务的了解
• 突出在视频生成、图像生成或多模态方向的研究成果，尤其是顶会论文
• 强调PyTorch工程能力，例如复现过哪些模型或做过哪些训练优化
• 列出大规模GPU集群训练经验，包括分布式训练、模型微调等
• 如果有游戏相关背景或项目，务必展示
• 巩固Diffusion Models、VAEs等生成模型的原理和代码实现
• 练习使用PyTorch分布式训练和模型并行技术

面试指南

• 对于技术类问题，采用“问题-方案-效果”结构：先明确问题背景，再阐述你的解决方案或模型设计，最后总结效果和局限性
• 对于开放性问题，结合自身研究和业界动态，展示对前沿领域的思考深度
• 请详细介绍一下你做过的一个视频生成项目，包括模型设计、训练细节和结果
• Diffusion Models和GANs在视频生成中各自的优缺点是什么？
• 如何保证生成视频的时序一致性和物理合理性？
• 在多卡训练中，你如何处理数据并行和模型并行？遇到过什么梯度问题？
• 你对世界模型的理解是什么？它在游戏场景中有哪些潜在应用？
• 熟悉腾讯游戏AI团队近期的论文和产品，如GameGen等