腾讯腾讯游戏-多模态世界模型数据工程师

1.面向世界模型（World Model）场景下多模态大模型的预训练与后训练数据需求，围绕2D视频数据与3D场景数据构建自动化、高效率的数据处理管线，覆盖数据采集、清洗、结构化、合成、质量评估与版本管理等环节，持续优化系统性能，保障管线的稳定性、可扩展性与可复用性； 2.设计并开发数据处理工具与自动化脚本，提升数据清洗、标注与合成效率，支撑数据规模化生产与迭代； 3.建立数据质量评估与自动化检测体系； 4.与算法研究团队深度协作，理解世界模型在视频预测、场景建模与交互推理等任务中的训练需求，制定针对性的多模态数据策略，持续挖掘高价值数据资源，推动以数据为核心驱动的模型能力演进与迭代。

1、跟进并研发多模态大模型的强化学习对齐技术，提升模型在多模态任务中的表现； 2、负责强化学习对齐技术研发，包括Reward Model训练、PPO/DPO/GRPO等策略优化算法的实现与优化； 3、通过强化学习提升世界模型智能和效果上限提升； 4、参与设计和开发高效的强化学习训练框架，支持大规模分布式RL训练、高效rollout采样、异步训练pipeline等基础设施建设。

1、负责研发大规模世界模型，提升模型对真实世界动态变化的建模能力； 2、研究可规模化的世界模型架构，解决世界模型在长程预测中的物理一致性问题和长期记忆等问题； 3、构建世界模型数据体系，探索世界模型在参数与数据规模上的 Scaling Laws; 4、构建可交互的世界模型系统，并推动技术在实际产品中的落地。