米哈游【提前批】AI Native游戏LLM研究员
任职要求
1、2026届应届硕士/博士，计算机/人工智能/数学相关及相关专业； 2、精通Python/PyTorch，具有良好的编程能力和扎实的数学理论基础； 3、有主流开源大模型使用经验，并实践过LLM关键技术栈（SFT、RLHF、DPO、Reasoning、Reward Model、RAG等）； 4、关注行业前沿进展（尤其是AI游戏、AI陪伴产品），对技术应用有热情，有自己的想法并乐于挑战，具备问题建模能力； 5、良好的沟通能力，跨团队协作能力，具备出色的规划、执行力，以及优秀的学习能力和自我驱动力。 加分项 1、在NeurIPS/ICML/ICLR/ACL/EMNLP等会议或期刊上发表过LLM、Agent相关论文者优先； 2、有游戏AI相关研究或开发经历（如NPC/AIGC系统）。
工作职责
1、探索大模型及Agent技术在游戏领域的前沿应用，包括不限于智能NPC、AI交互叙事、AIGC游戏内容生成管线研发； 2、优化和提升游戏场景下的模型效果：SFT/RLHF训练策略、Reward Model、记忆系统、Agent架构； 3、预研大模型驱动的AI Native游戏玩法、提升游戏体验、确保内容可控性和实时推理性能等。
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 你的挑战： 攻克LLM全链路训练难题：主导大模型训练，优化模型Scaling Law，结合应用需求突破分布式性能瓶颈，基于RL增强模型推理能力，打造电商领域最懂用户需求的超级大脑（含多模态VLM研发）。 为什么选择淘天？ 1.坐拥电商领域最大规模场景：每天处理数亿次用户交互，覆盖搜索/推荐/广告/客服/营销全链路，你将直接面对全球最复杂的电商需求场景。 2.定义未来购物标准：你研发的模型将服务数亿消费者，结合大语言和多模态模型能力满足用户偏好，影响海量商家经营决策。 3.顶级科研配置：超大规模GPU集群支持大规模参数模型训练，自研分布式框架实现训练推理效率大幅提升，顶级会议发表，前沿技术成果即时输血。 加入我们，你将获得： 1.与NLP/多模态领域顶尖团队共创，解锁大模型在商品理解、智能创作、消费决策、购物对话等场景的无限可能。 2.弹性化的技术路线选择权，既可在大模型基础技术方面突破能力上限，也可深入应用层打造现象级AI产品。 3.打通产学研用全链路：支持技术成果转化顶会论文和专利+百万级ai native用户产品。 T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ꔷ 投递T-Star实习生，提前解锁淘天顶级技术岗位，实习与T-Star正式批/应届秋招投递不冲突。拿到T-Star意向书的同时，将获得直通正式批次终面的机会；参与T-Star实习且表现优秀的同学，提供T-Star转正Offer。
1. 研究和开发基于深度学习的实时渲染技术，提升游戏画面的真实感和沉浸感； 2. 设计和优化神经网络模型，用于实时图像生成、Mobile AI超分、hlodAI生成等； 3. 负责机器学习的算法和模型开发，包括但不限于:神经网络模型设计，参数调优，各种学习和优化方式尝试。在缺乏训练集的情况下，探索训练方案； 4. 探索和实现动态场景实时渲染的深度学习解决方案，包括GI，阴影等效果； 5. 使用机器学习相关技术，协同策划、美术解决游戏开发流程中的问题，提高开发效率； 6. 跟踪学术界和工业界的最新进展，将前沿技术应用于实际项目中； 7. 为计算资源有限的移动平台编写高性能代码，基于CPU，GPU，NPU的交互开发，探索完全发挥硬件性能的最佳方案。
1.研究前沿AI技术（如大语言模型、多智能体系统、生成式AI等），探索其在游戏研发管线优化及体验升级中的应用场景； 2.设计并开发基于AI Agent的研发工具链。覆盖代码审查、自动化测试、美术资源生成和优化、策划配置生成等环节； 3.定制引擎和工具流。协同策划、美术、程序团队重构工业化管线，建立AI驱动的敏捷研发新模式。
1. 算法系统集成与优化： 负责TTS、V2F、V2M等算法服务的实现，并和UE引擎进行系统级集成，确保高效稳定运行；设计实现算法模块与UE的通信协议、数据接口及实时流式推理管线。 2. UE管线开发与维护： 构建UE与AI服务(AIO)交互框架，管理数据传输(如BlendShape、骨骼数据)，保障端到端效果；优化3D角色表情/动作实时驱动流程，解决延迟、同步与性能瓶颈。 3. 跨环节效果调优与Debug： 分析效果表现层级(算法输出→引擎解析→美术渲染)，定位失真根源(算法/引擎/资产)；协同算法、美术团队制定数据规范与质量标准，主导跨领域优化方案。 4. 技术方案设计： 设计算法模块单元测试与集成测试策略，确保系统鲁棒性及扩展性。