米哈游【提前批-基础研究】LLM Post-train 算法研究员
任职要求
1）2027 届在校硕士及以上学历，计算机科学、人工智能、机器学习、NLP 或相关专业 2）熟悉 Transformer / MoE 架构原理，熟练使用 PyTorch 及主流大模型训练/推理框架（如 DeepSpeed、Megatron-LM、VeRL、Slime、vLLM、SGLang 等） 3）具备扎实的强化学习基础，理解 PPO/DPO/GRPO 等算法原理，有将 RL 方法应用于语言模型对齐的实践经验 4）有 LLM 微调、对话系统训练或文本生成相关的研究或项目经验，了解分布式训练基础知识 5）具备较强的代码工程能力和实验设计能力…
工作职责
1）后训练算法研发：参与游戏内容、角色扮演等场景下大模型的后训练（Post-training）算法研发工作，涵盖 SFT、RLHF、DPO 等对齐方法的实现与优化，提升模型在剧情生成、角色一致性、对话连贯性、情感表达等维度的能力 2）奖励模型训练：参与 Reward Model 的设计与训练，探索面向对话质量、情感表达、角色一致性、安全性等维度的奖励信号构建，支撑强化学习训练流程 3）数据工程：参与后训练阶段的数据构建工作，包括 SFT 数据设计、偏好数据采集与标注、数据清洗与质量评估，探索数据合成、数据增强与数据混合策略 4）多类型模型训练：参与辅助模型（如分类器、决策模型等）的训练与调优，支撑模型产品体系建设 5）实验与迭代：完成训练实验的设计与执行，分析实验结果，定位模型表现问题，提出改进方案并在时延要求内推动落地 6）前沿技术探索：跟踪 Post-training 领域最新研究进展（如 RLAIF、On-Policy Distillation、推理链压缩等），结合游戏对话业务需求进行技术预研与创新落地
1、支撑团队不同大模型任务下的训练及推理优化，包括但不限于：架构设计、检查点优化、训练容错恢复、底层算子优化及通信优化等； 2、研究和优化大规模异构加速集群调度、存储、通信互联、监控、Profiling等组件，提升整体硬件利用效率； 3、针对具体任务调研并进行对应的 Scale Up 实验及优化，包括但不限于并行化策略优化、ZeRO/FSDP 优化、FP8、激活值优化等，加速模型训练，优化显存开销。
专注于3D虚拟人动画相关技术的研究与开发，实现高效、高性能和高表现力的表情生成和肢体动作生成，提升虚拟人的真实感。 1. 高质量生成：利用3D动画数据，实现接近GT表现的表情和动作生成； 2. Motion Representation：研究人体动画数据的表征方式，优化重建和生成效果； 3. 高性能优化：优化模型效率和推理速度，实现实时的动画生成； 4. 动画融合与迁移：探索不同风格、不同姿势之间的动画融合与迁移技术。
1. 3D 生成大模型前沿算法研发：研发 3D 生成大模型的前沿算法，探索 3D 生成能力的上限；理解 3D 数据在高模、拓扑、材质、动画等不同特征层面的表达，针对性设计数据表征形式与模型网络架构；基于 3D 资产质量要求，持续迭代算法框架、训练策略与数据标准； 2. 多模态条件控制研究：根据资产制作实际场景，设计模型的条件控制方式，实现高精度、高可控的生成；研究如何将图像、文本、3D等多种模态信息作为条件输入模型；开发创新的条件注入与控制技术； 3. 模型调优与工程化：对前沿 3D 生成模型进行改造与优化，以适应具体业务需求；基于自研模型进行局部模块微调、LoRA 调优等实验，将自定义 Conditioning 方法集成进生产模型； 4. 技术调研与数据基建：持续跟进三维生成大模型领域的前沿算法，评估并落地可行的技术方案；理解常规图形学3D数据的相关算法，根据生成模型的算法理论，与数据团队配合，设计3D数据的处理标准和方式，如watertight、SDF\ISO-surface、LOD、PBR、LBS等。
1. 参与研究最前沿的AIGC技术，探索其在游戏研发管线中的应用，把技术转化为优化游戏生产和升级玩家体验的实际解决方案。 2. 基于高质量数据集，参与图像编辑、图像生成后训练、贴图生成、视频生成等相关研发，优化游戏美术生产流程的品质表现和生产效率。 3. 参与VLM多模态算法研发，包括图像/视频/3D内容理解与质量评价的多模态模型训练与优化，提高AIGC Agent的基座模型能力，探索AI在数据管理、资产验收和游戏测试中的实际应用。 4. 参与音频驱动动作生成、动作补间、视频动捕等模型的训练，探索AI在游戏演出中的生产应用。 5. 参与AIGC Agent和游戏生产工具研发，将模型能力接入实际工作流程，帮助美术、TA、程序、策划等团队更高效地完成内容制作、检查和迭代。