岗位职责
- 参与可灵多模态模型训练数据平台建设，负责视频、图片、音频、文本等数据源的接入、加工、清洗、去重、质量筛选及数据组织；
- 参与训练数据链路、数仓/湖仓体系及数据服务的设计与开发，构建稳定、可扩展、可追溯的数据生产、存储、计算和调度能力；
- 参与海量多模态数据的存储、索引与检索系统开发，提升数据查询、召回、关联、去重和访问效率；
- 面向模型训练、数据分析和提示词工程等需求，建设高质量数据集与数据服务，持续提升数据规模、质量和迭代效率；
- 与算法、模型及平台团队协作，优化数据处理链路的性能、稳定性、资源成本与易用性，探索并落地前沿的数据处理和检索技术。
职位要求
- 计算机、软件工程、数据科学等相关专业本科或硕士在读，2028 年毕业优先；
- 对大模型训练数据、多模态数据处理、数据基础设施、数据平台或后端系统建设有兴趣，愿意解决海量数据场景下的存储、计算、检索与性能问题；
- 熟练掌握 Java、Python、Scala 中至少一种开发语言，具备扎实的编程基础、良好的代码风格和工程意识； 具备以下任一方向的项目或实习实践经验：
- Java 服务端、分布式系统或高并发后端系统开发，了解微服务、缓存、消息队列、数据库设计、服务治理或性能优化中的一种或多种；
- 数仓、数据湖或湖仓系统开发，了解数据建模、ETL/ELT、批流处理、任务调度等基础概念；
- 熟悉 Spark、Flink、Hive、Iceberg、Hudi、ClickHouse、Ray 等一种或多种大数据计算、存储或分析框架者优先；
- 具备良好的问题分析与解决能力、沟通协作能力和快速学习能力。 加分项
- 有海量数据处理、存储系统、任务调度系统、数据平台或云原生系统建设经验；
- 有搜索、向量检索、倒排索引、召回排序或检索系统开发经验；
- 熟悉 Elasticsearch、Milvus、Faiss、ClickHouse 等检索或分析系统；
- 有视频、图片、音频、文本等多模态数据处理、内容理解、数据去重或质量评估经验。
