数据算法实习生
岗位摘要
负责大模型多模态数据生产链路建设，承担音频、视频、图像等数据的理解、加工与自动化处理工作；参与音频理解相关技术研发，包括语音识别（ASR）、音频Caption、文本后处理及数据质量优化
岗位职责
- 负责大模型多模态数据生产链路建设，承担音频、视频、图像等数据的理解、加工与自动化处理工作
- 参与音频理解相关技术研发，包括语音识别（ASR）、音频Caption、文本后处理及数据质量优化
- 参与视觉理解数据构建，探索图像和视频中目标定位、区域描述、Grounding等关键技术在数据生产中的应用
- 探索GUI Agent相关数据体系建设，包括界面理解、控件识别、操作轨迹生成、任务规划及Agent训练数据构造
- 结合模型训练目标，设计并实现多模态数据筛选、样本挖掘、质量评估及效果分析方案，持续提升训练数据价值
任职要求
- 2027届及以后毕业，硕士及以上学历，计算机、人工智能、通信工程、数学、网络安全等相关专业
- 每周可稳定实习4天以上，实习周期不少于12个月
- 深度参与以下一个或多个方向：自动语音识别（ASR）、音频Caption、图像/视频Caption、Visual Grounding、Video Grounding、GUI Grounding、多模态大模型（MLLM）
- 熟练掌握Python、C++等编程语言，具备良好的编程能力和算法基础
- 熟悉机器学习或深度学习基础知识，对大模型、多模态模型有较强兴趣
- 具备较强的技术调研和论文阅读能力，能够快速理解并落地相关研究成果
- 【加分项】有多模态、语音、计算机视觉或大模型相关项目经历
- 【加分项】在开源社区有代码贡献、项目维护或技术分享经验
- 【加分项】熟悉Spark、Ray、MaxCompute等分布式计算框架，有海量数据处理经验者优先
- 【加分项】在音视频、图像、Agent、人工智能等领域顶级会议发表论文者优先
加分项
- 有多模态、语音、计算机视觉或大模型相关项目经历
- 在开源社区有代码贡献、项目维护或技术分享经验
- 熟悉 Spark、Ray、MaxCompute等分布式计算框架中的一种或多种，有海量数据处理经验者优先
- 在音视频、图像、Agent、人工智能等领域顶级会议发表论文者优先
福利待遇
- 日薪350至680元，薪资具有竞争力
- 实习地点位于北京海淀区搜狐网络大厦，交通便利
- 有机会参与前沿大模型与多模态技术研发，积累宝贵实践经验
工作地址
北京海淀区搜狐网络大厦8层