岗位职责
本岗位面向多模态生成模型的各训练阶段的高质量数据算法需求，聚焦于构建高效、高精准、细粒度的多模态数据pipeline：
- 多模态数据体系构建：负责视频生成模型全阶段训练（预训练、SFT、后训练/RL）所需多模态数据对齐的算法建设，构建面向垂类场景的高质量、结构化的多模态对齐数据体系；
- 数据筛选与合成算法：设计并落地从海量多模态数据中筛选/合成高价值数据的算法链路，包括音视频质量评估、美学打分、运动分析、时序切分、去重与分布均衡等。
- 视频描述与对齐算法：构建高精度视频 Caption 体系（密集描述、结构化标签、时序事件描述），持续提升文本-视频对齐质量与粒度。
- 数据-算法闭环：建立数据质量与模型效果的评估归因体系，结合业务需求推动""数据构建 → 模型训练 → 效果评估 → 数据迭代""的闭环持续优化。
职位要求
- 计算机、人工智能、数学等相关专业硕士及以上学历，1 年以上多模态/生成模型相关经验；
- 具备扎实的多模态理解与生成技术基础，熟悉主流视频生成模型架构（DiT、Diffusion/Flow Matching、VAE、CLIP/VLM 对齐等）；
- 具备高质量多模态数据构建能力，包括大规模数据清洗、增强、合成与标注体系设计，有 TB/PB 级视频数据处理流水线经验优先；
- 熟练掌握多模态大模型相关的后训练技术（SFT、DPO、Flow-GRPO 等）；
- 具备从数据到算法闭环迭代的能力，能设计并实现多维度评测体系，结合自动指标与人工评估，定义数据质量标准并推动模型效果持续提升；
- 扎实的工程能力，熟练掌握PyTorch开发、有Pytorch分布式训练经验；
- 具备出色的分析问题和解决问题的能力，能够独立领导技术方向的探索和攻坚。对视觉艺术有良好的审美感知，能理解并拆解业务场景下的内容需求。 加分项
- 在 CVPR/ICCV/NeurIPS/ICML 等顶会发表过多模态生成相关论文；
- 主导或深度参与过知名AIGC项目者优先;"
