岗位职责
- 负责视频生成大模型多模态等数据处理链路的算法研究和开发，覆盖多维质量评估（清晰度/美学/构图/运动）、结构化切分、多模态内容理解、安全与合规等在内的端到端流程；
- 在海量音视频数据量级上，参与需求定义、数据标注、算子训练、全量上线的全流程链路，并对算子做量化、裁剪与批处理优化，实现海量数据上的算子准召和吞吐的权衡；为算子构建评测集与一致性基线，持续监控线上漂移和回流Bad Case；验证算子策略对生成模型最终效果的影响，合理评估算子的价值和有效性；
- 与数据工程、策略产品、数据标准、评测等团队紧密协同合作，推动数据算法的高效迭代、验证和落地；持续跟踪业界前沿技术动态，结合模型产品业务需求，快速了解模型能力缺陷并反推到数据要求，完成垂类领域、特定训练阶段专用的数据算子研发和落地。
职位要求
- 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，能够解决数据工作中的各种问题；
- 扎实的深度学习基础，熟练使用 PyTorch，具备独立完成模型训练与调优的能力；
- 具备大规模视频/图像数据处理实战经验，熟练应用以下至少两个方向：视频分类与检测、视频质量评估、视频表征学习、镜头切分、语义去重、多模态数据合成；熟悉 VLM /LLM 的微调迭代；
- 对特定领域数据质量有感知力和判断力：能分辨"指标好看"和"对模型真有用"的区别；优秀的逻辑思维能力和沟通协作能力。 加分项
- 有音视频/图像生成模型训练数据链路专家算子构建的一线经验；
- 有模型蒸馏、量化、推理加速的实战经验，熟悉 vLLM 等推理加速框架者；具备大规模数据处理经验，熟悉 Spark / Ray / Flink 之一，有在亿级以上样本上跑批处理的实践；
- 有数据配比实验、数据合成、数据增强、数据自动化质检等相关研究经历，在 CVPR / ICCV / ECCV / NeurIPS / ICLR 等会议有相关论文发表。
