大模型算法工程师（AI Coding / 游戏方向）

优缺点分析

角色解读

• 可沿大模型算法、Coding Agent 方向成长为资深算法工程师或技术专家
• 积累游戏引擎与多模态 Agent 交叉经验，拓展到游戏生成、自动调试等前沿领域
• 若具备团队协作与项目推进能力，可向技术负责人或方向负责人发展
• 围绕 Godot、Unity、Unreal Engine 等游戏引擎场景，构造 AI Coding 训练数据与评测体系
• 训练和调优游戏垂类代码大模型，探索场景搭建、角色控制、动画、物理交互、玩法实现和 Bug 修复等 Coding Agent 任务
• 分析模型生成代码的错误、引擎使用问题、视觉偏差和交互缺陷，通过 SFT、RL、Reward/Verifier 持续优化
• 与算法、数据、评测和游戏工程团队协作，推动能力分析到训练验证闭环
• 精通至少两种游戏引擎（Godot、Unity、Unreal Engine）并有工业级项目经验
• 熟悉 Coding Agent 的工程读取、工具调用、代码执行、观察和迭代修复流程
• 掌握大模型数据构造、SFT、RL、Reward 或评测方法
• 熟练使用 GDScript、C#、C++ 中至少两种及 Python，具备工程实现和问题定位能力

申请策略

• 投递时说明自己更偏算法训练、数据构造还是游戏工程，匹配团队分工
• 关注智谱在 AI Coding 和 Agent 方向的产品、论文，面试中体现对业务和前沿的理解
• 突出至少两种游戏引擎的工业级项目经验，说明项目类型、负责模块和上线成果
• 展示 AI Coding、Coding Agent 实践，如代码生成、工具调用、执行反馈、自动修复等链路
• 量化大模型训练、数据构造、SFT、RL、Reward 或评测经验，说明数据规模和效果提升
• 体现 Python 及 GDScript、C#、C++ 工程能力，附上问题定位和性能优化案例
• 补齐 Agentic RL、Reward/Verifier、代码大模型评测等前沿方法
• 准备一个游戏引擎场景的 Coding Agent demo 或复现项目

面试指南

• 用“场景—任务—数据—评测—迭代”框架回答，先明确目标和指标，再说明数据构造与训练方法
• 结合具体项目，按背景、方案、难点、结果、反思展开，突出可量化效果
• 对开放问题先给判断，再列备选方案和取舍依据，体现问题拆解能力
• 如何围绕 Unity 或 Unreal 场景构造 AI Coding 训练数据和评测集？
• 你如何设计一个游戏开发 Coding Agent 的观察、执行、修复闭环？
• 在 SFT、RL、Reward/Verifier 中，你会如何选择并组合来优化代码生成？
• 举一个定位模型生成游戏代码错误的案例，你如何分析和改进？
• 多模态信息在游戏 Coding Agent 中能发挥什么作用？