多模态大模型数据算法实习生（多模coding方向）
岗位摘要
调研并分析前沿的多模态大模型训练数据合成方法及最佳实践，如CoSyn、MathCoderVL等；建立合成数据的质量评估体系（如图像合理性、图像-文本匹配度等），设计自动化拒绝采样策略
岗位职责
- 调研并分析前沿的多模态大模型训练数据合成方法及最佳实践，如CoSyn、MathCoderVL等
- 建立合成数据的质量评估体系（如图像合理性、图像-文本匹配度等），设计自动化拒绝采样策略
- 基于下游任务的反馈，持续迭代优化数据合成prompt、渲染代码与生成参数
- 根据研究成果，设计并开发基于代码渲染（如LaTeX/Matplotlib/pyblender等）的各类多模态数据合成工具链
- 构建并调优数据合成管线的核心模块，包括prompt模板库、渲染引擎调度、LLM/VLM调用等模块
任职要求
- 研究生在读，计算机/人工智能相关专业优先
- 熟悉Python编程语言，了解图像数据处理和分析的基本方法和工具
- 对大模型基础原理、大模型训练数据（文本&图像）有一定的理解
- 具备基于代码生成合成图像的实践经验，熟悉至少一种渲染工具（如Matplotlib、HTML/CSS、LaTeX、SVG等）
- 有使用LLM/VLM API（GPT、Claude、Gemini等）进行自动化数据生成的经验
- 了解合成数据质量评估方法，知晓不同domain的合成数据该用何种标准进行质量评估
- 具备利用大模型相关工具快速学习和适应新知识、新技能的能力
- 良好的沟通能力和团队合作精神，能够与团队成员密切合作
工作地址
北京海淀区大恒科技大厦12F