多模态预训练数据算法工程师
岗位摘要
参与多模态大模型训练数据建设，支撑基座模型能力提升，围绕图文、多模态理解、视觉能力训练等方向探索高质量训练数据构建方案；负责多模态训练数据分析、筛选与优化，开展图文数据、视觉数据的数据筛选、质量分析、数据清洗、去重过滤及结构化处理工作
岗位职责
- 参与多模态大模型训练数据建设，支撑基座模型能力提升，围绕图文、多模态理解、视觉能力训练等方向探索高质量训练数据构建方案
- 负责多模态训练数据分析、筛选与优化，开展图文数据、视觉数据的数据筛选、质量分析、数据清洗、去重过滤及结构化处理工作
- 探索多模态数据构造方法，关注多模态模型、视觉训练、图文对齐、数据合成、数据质量评估等技术发展，调研并落地可复用的数据构造方法
- 建立数据质量评估体系，结合模型训练效果、评测结果及业务反馈，分析数据问题并提出样本补充、数据优化等改进方案
- 多方团队协作，参与从训练需求理解、数据方案设计、数据生产管理到效果验证的完整流程，推动多模态模型训练效果提升
任职要求
- 硕士及以上学历，计算机、人工智能、机器学习、数据科学、数学、统计学等相关专业优先
- 具备一定的数据处理和分析能力，有数据清洗、数据构造、数据质量评估、标注规范设计或训练数据建设相关经验优先
- 熟悉大语言模型、多模态模型、视觉模型、图文理解、图文对齐等相关技术，有相关科研项目、论文、竞赛或实践经验优先
- 能够主动阅读论文、技术博客、开源项目资料，并结合模型训练需求，将技术方案转化为实际的数据优化方案
- 具备良好的问题拆解能力和沟通协作能力，能够在目标相对开放的环境中主动发现问题、推动解决并沉淀方法
福利待遇
- 加入基座模型团队，深度参与多模态大模型训练链路，参与真实模型训练场景，理解数据如何影响模型能力提升
- 参与多模态数据策略探索，而非传统数据处理工作，围绕图文理解、视觉能力训练、数据构造、质量评估等方向探索高质量训练数据建设方法
- 与算法团队深度协作，参与模型优化闭环，从训练需求、数据方案、效果分析到优化迭代，全流程参与模型能力提升
- 沉淀多模态训练数据建设经验，为未来向数据算法、模型训练、大模型研究方向发展提供成长空间
工作地址
北京海淀区搜狐网络大厦8层