腾讯｜游戏垂类多模态理解LLM实习

1、构建系统化的游戏垂类知识理解能力：建立针对游戏垂直领域的专业知识体系建模能力，使模型能够深入理解不同游戏品类（包括但不限于休闲游戏、FPS、RPG、MOBA等）的核心机制、玩法结构、叙事范式与经典桥段，实现对游戏内容的语义级、结构级与策略级理解； 2、实现娱乐热点与游戏内容的跨域融合能力：提升模型对泛娱乐行业热点（如影视、动漫、综艺、网络文化等）的实时理解与趋势分析能力，并构建跨域知识映射机制，使模型能够将热点内容与游戏垂类知识进行语义融合与创意重构，生成具备传播潜力与商业价值的创新内容； 3、构建面向二次元剧情导演能力：强化模型对二次元叙事表达体系的理解能力，包括运镜语言、角色站位逻辑、互动结构、情绪表达及视觉节奏控制等要素；在此基础上，构建文本—画面—角色关系—叙事节奏之间的结构化表达与生成框架，使模型能够基于创作需求输出逻辑清晰、结构合理、具备视觉可执行性的多模态剧本方案，提升游戏宣发与内容创作场景下的剧本生成效率。

1、包含但不限于人工智能/计算机/自动化/数学等专业的博士和优秀硕士； 2、较强的工程实现能力，熟练掌握PyTorch，精通Diffusion Model / Transformer 等架构，熟悉DeepSpeed/Megatron等分布式训练框架； 3、熟悉动作生成大模型相关算法，包括但不限于文生动作、手势动作生成、单目视频动捕、in-betweening 动作生成、动作风格迁移等。 加分项： 1、在 CVPR、ICCV、ECCV、SIGGRAPH 等顶会发表过高质量论文，或在相关开源项目、算法竞赛中获得优异成绩者优先； 2、有数字人全栈开发经验，熟悉游戏引擎和DCC等相关软件（UE/Unity、Maya/Blender）。