岗位职责
- 数据策略与配比：制定预训练 / 微调 / 对齐各阶段的数据配方（domain、动作类别、画质、时长、分辨率分布），用实验驱动配比决策；
- 大规模数据管线：设计并落地视频数据的采集、去重、清洗、镜头分割、质量过滤、标注与版本管理流程，保障可复现与可追溯；
- 标注体系设计：定义动作/交互的标签体系（刺激-反应分类、轨迹、物件、深度等），制定标注规范与质检抽样方案，管理标注质量；
- 控制信号对齐：建立 caption、轨迹、首末帧、深度/mask 等条件信号与视频帧的对齐与质检指标，量化对齐误差对生成效果的影响；
- 评测与归因：构建画质、时序一致性、身份保持、控制响应等离线评测集与指标，做数据-效果归因分析，定位"哪类数据缺失导致哪类 bad case"；
- 数据质量度量：定义并监控数据集的覆盖度、多样性、噪声率、长尾分布等指标，建立数据健康度看板。
职位要求
- 统计 / 计算机 / 数学 / 数据科学相关本科及以上；3 年以上数据科学 / 数据工程 / 机器学习数据相关经验；
- 精通 Python 与数据处理生态（pandas / numpy / SQL），熟悉大规模数据处理（Spark / Ray / 分布式存储其一）；
- 扎实的统计与实验设计能力：抽样、A/B、假设检验、相关性 vs 因果，能用数据讲清楚"为什么"；
- 有处理非结构化数据（图像/视频/文本）的实际经验，理解数据质量对模型效果的影响；
- 良好的可视化与沟通能力，能把复杂分析结论转化为可执行建议；严谨、可复现的工作习惯，注重数据版本与血缘管理。
