多模态大模型数据策略算法工程师

岗位职责

1. 主导生成式大模型的训练数据管线建设，涵盖寻源、采集、处理、实验与分析等环节，为基础模型提供多种模态( 视频/图片/文本) 的稳定且高质量训练数据；
2. 涵盖模型训练的各个阶段( 预训练/后训练/RL等)，针对模型的效果短板，探索基于MLLM的数据合成与增强技术，设计高效生成策略以补充数据缺口，并定义高价值与高质量数据标准；
3. 建立Data-Model的自动化评估体系，并结合模型评测与数据分析反馈，反向迭代生产线与数据生成策略；
4. 设计数据链路策略，建设端到端的数据质量、多样性体系及数据标签，与模型算法、数据产品高效协同，探索模型训练数据的最优配比；
5. 搭建并优化大模型训练的数据工程基建，基于Harness研发模式，快速开发自动化框架与工具链，并运用数据挖掘、统计分析、大模型工具等方法，提升数据策略的迭代与分析效率。

任职要求

1. 计算机、人工智能、统计学、数学或相关专业硕士及以上学历，具备机器学习、模型训练及数据处理项目经验，拥有扎实的数据分析与建模基础；
2. 具备AI数据开发经验，掌握大模型预训练基本原理，熟悉至少一类核心模态（视频/图片/文本）的数据特性；具备扎实的编程基本功，精通python并至少掌握一种工程类编程语言( C++/Java/Go )；
3. 在数据策略或工程领域，需精通以下任意方向的专业能力：数据策略——深入理解主流大模型架构及训练机制，熟悉各类数据评估算法与数据增强机制；数据工程——熟悉Ray/ Spark / Flink 等分布式计算框架，熟悉vLLM等推理加速框架者优先；
4. 具备数据质量指标设计能力，能够熟练使用机器学习算法优化数据筛选与评估效率，沟通高效，有良好的合作精神；
5. 加分项：对视频生成、计算机视觉或多模态生成技术有深入理解；在大模型相关领域（ACL、EMNLP、NeurIPS等）发表过高水平论文，或在GitHub开源项目（特别涉及合成数据、数据处理）有活跃贡献者优先。