岗位职责
- 负责具身大模型多模态数据体系建设，覆盖图像、视频、语言、图文交错、动作轨迹、机器人交互等数据类型，支撑模型训练、评测与迭代。
- 设计并搭建大规模数据处理与生产管线，包括数据采集、清洗、标注、筛选、标准化、混合配比、质量评估与版本管理，保障数据全生命周期高效运转。
- 面向预训练、持续训练、SFT、强化学习等不同阶段，制定适配的数据策略与处理方案，提升数据利用效率与训练效果。
- 针对多模态具身大模型任务特点，解决跨模态对齐、时序一致性、动作标注、数据稀疏性与分布不均衡等问题，持续优化数据质量。
- 联合数据平台、模型与机器人团队，建设自动化数据回放、质检、追溯与评测体系，形成可复用、可迭代的数据基础设施。
- 跟踪多模态数据处理、自动标注与数据质量评估等方向的前沿技术，推动数据体系持续升级。
职位要求
- 硕士及以上学历，计算机、人工智能、自动化、数据科学等相关专业，有多模态数据处理、具身数据、机器人数据或自动驾驶数据工程经验者优先。
- 熟悉大模型训练数据全流程，理解预训练、SFT、强化学习等阶段的数据特点及组织方式。
- 熟练掌握Python，熟悉分布式数据处理框架、数据清洗与标注工具，具备大规模数据管线开发经验。
- 具备较强的工程落地与问题解决能力，能够独立推动数据流程自动化、标准化和平台化建设。
- 理解图像、视频、文本、动作轨迹等多模态数据的处理逻辑，有跨模态对齐、时序数据处理、质量评估或自动化质检经验者优先。
