腾讯ieg天美王者荣耀算法三面挂

有人只是偶尔想起，有人却会变成习惯。有的人一天一次，有的人忙起来就顾不上，而有的人，只要一闲下来，第一反应就是打开、靠近、倾诉。没有标准答案，也没有应该不应该。

1、知道 GPT 和 BERT 这种模型的基础框架是怎样的吗BERT 和 GPT 都是基于 Transformer 的预训练模型，但结构和任务目标不一样。BERT 一般采用 Transformer Encoder 堆叠起来的双向编码结构，在预训练时主要做 MLM，也就是随机遮盖一部分 token，让模型根据上下文去恢复被遮掉的词，因此它更适合理解类任务，比如分类、匹配、抽取、检索表示学习。GPT 采用 Transformer Decoder 堆叠起来的单向自回归结构，在预训练时做 next token prediction，也就是根据前面的 token 预测下一个 token，因此它更适合生成...

工作职责 岗位定位：致力于将前沿AI技术（LLM、Agents）深度融入游戏工业化管线。通过构建智能数据底座与工具链，打通美术、策划、程序与文档的知识壁垒，提升3A级项目的开发效率。1. 智能数据底座与知识库构建- 多模态数据挖掘：负责项目全生命周期资产（美术资源、策划案、代码、技术文档）的深度清洗、自动标注与结构化处理；- 数据预处理：针对各类资产（源码、配置、DCC、uasset、文档等）进行AI预处理分析，提取特征数据，为后续AI模型的训练与推理提供输入；- 知识库架构：搭建并维护基于“关系型数据库 + 向量数据库”的双层架构，构建项目专用知识图谱；- RAG系统开发：实现多维度（关键词+语义理解）混合检索系统，支持代码搜索、资源检索等业务。2. UE编辑器智能化集成- UE AI+工具链开发：基于Unreal Engine开发编辑器内的AI辅助工具，将AI能力无缝嵌入开发人员工作流。3. AI Agent与应用生态- Agent编排（服务端）：基于实际开发场景，设计并编排多Agent协同工作流（Multi-Agent System），部署并维护服务；- 全栈工具开发（客户端）：开发独立于引擎的AI生产力工具（形式不限，如Web或App），通过API对接底层模型服务，提供可视化交互界面。4. 模型部署与调优 (LLM Ops)- 模型落地：负责开源大语言模型的私有化部署、量化与推理加速；- 微调优化：根据项目垂直领域的特定需求，构建数据集并进行模型的SFT或LoRA优化，提升模型在代码生成、剧情润色等场景的表现。任职要求1. 技术底座- 学历要求：本科及以上学历，计算机科学、软件工程、电子信息等相关专业优先。- 程序基础：扎实的计算机科学基础，精通数据结构与算法。- 编程语言：熟练掌握 C++，业务开发语言不限。- 有 UE 引擎开发 / 学习经验者优先。2. AI 领域能力- AI狂热者，了解各种商业模型及开源模型的能力与边界- 有 AI 相关课程项目、竞赛或实习经验者优先。3. 行业经验与综合素质- 游戏背景：有 AAA 级游戏项目开发实习经验优先，熟悉游戏工业化生产管线（美术/策划/程序协作流程）。- AI+开发：不再局限于单一职能，利用AI具备从服务端到客户端、从引擎底层到上层应用的全栈开发视野。- 协作：乐观开朗，良好的跨职能沟通能力。面向对象2026届（2025.9-2026.8之间毕业）投递链接https://jobs.mihoyo.com/?sharePageId=121176&recommendationCode=052BT&isRecommendation=true#/campus/position/8315

1、自我介绍2、说一下你日常中和实习中对于大模型的一些应用3、大模型应用到审核体系里面去的话，你有什么比较好的想法吗如果把大模型用到审核体系里，我会更倾向于把它设计成一个审核增强模块，而不是直接完全替代原有流程。因为审核场景最重要的是稳定性、准确率和可控性，如果一开始就把所有判断都交给大模型，风险会比较高。比较合理的方式是把审核拆成几层。先用规则和轻量模型做高确定性的初筛，把明显违规和明显正常的内容先分出去；对于边界模糊、语义复杂、上下文依赖强的内容，再交给大模型做进一步判断。大模型在这里可以承担语义理解、风险解释、相似案例归纳、标签推荐和辅助判定这些工作。这样既能利用它的泛化能力，又不会把整...