快手【快Star-X】多模态数据生产引擎研发工程师

负责搭建并管理面向具身智能模型的全链路数据体系，包括数据采集、清洗、标注、仿真生成及质量评估。作为算法团队与数据采集团队的核心桥梁，确保高质量、多样化的物理交互数据供给，直接支撑模仿学习、强化学习及 VLA模型的训练需求。你将参与定义下一代智能机器人数据标准的机会，与顶尖具身智能算法团队紧密协作，以数据直接驱动模型迭代，参与建设覆盖真机集群与大规模仿真算力的数据基础设施。 岗位主要内容包括以下： 1. 数据战略与体系搭建：设计并落地具身智能的数据金字塔架构（基础技能数据→复杂任务数据→长程规划数据）；制定真机数据采集与仿真数据生成的混合策略；构建多模态数据标准：视觉、关节状态、力触觉、动作轨迹的时序对齐规范 2. 数据采集与标注管理：搭建真机数据采集流水线：管理遥操作团队或动作捕捉外包，建立人机协作的高效采集 SOP；设计自动化标注工具链：开发/引入基于 SLAM、关键点检测、自动分段（Segmentation）的半自动标注方案，降低人工标注成本；建立数据因果一致性校验机制：确保动作-视觉-语言指令的时序对齐与物理合理性 3. 仿真数据生态构建：主导高保真仿真环境的数据生成 pipeline；设计程序化生成方案：自动创建多样化场景、物体姿态、物理参数（摩擦、质量）的仿真数据；建立 Sim2Real Gap 评估体系，通过域适应技术提升仿真数据利用率 4. 数据质量与合规：制定数据质量评估指标体系：覆盖率、多样性、动作平滑度、物理可行性；建立数据版本管理（与血缘追踪，支持模型训练的可复现性；确保数据采集的隐私合规（如室内场景脱敏、人体数据伦理审查） 5. 团队建设与管理：组建并管理数据采集团队（含外包标注团队、遥操作员、仿真工程师）；建立与算法团队的数据需求对接机制：将模型训练需求转化为采集任务；持续优化数据生产的 ROI，降低单位数据的采集与标注成本。

1.参与具身智能平台的系统架构设计和模块研发工作，支持将实验室算法和数据的能力开放，提供稳定高效和安全的服务； 2.参与建设具身智能仿真平台，支持多模态感知、决策规划、运动操作、人机交互等相关算法能力的迭代优化； 3.参与构建云边协同体系，安全防护体系，以及资源的调配优化能力； 4.参与建设机器人社区生态，包括开发者工具套件、技术论坛、资源共享中心等。

1. 负责大众点评信息流推荐、内容搜索、内容创作场景的内容理解、多模态大模型、内容x搜推交叉相关算法研发，包括不限于内容打标、embedding、话题推荐、标题生成、描述生成、视觉问答、内容x行为联合建模等。 2. 负责将上述技术在大众点评信息流推荐、内容搜索、内容创作等场景的落地，与产运研团队紧密协作，降低内容生产成本、提升内容分发效率，解决内容生产、分发、展示等环节的实际问题。 3. 紧密跟进生成式内容理解、多模态大模型、内容x搜推交叉等领域的前沿进展，并负责在信息流推荐、内容搜索、内容创作等业务场景的落地应用。

1、数据特征算法方案制定与效果优化：针对不同模态、多种类目的数据，设计自动化筛选方案；对多模态数据涉及的前沿特征算法（如物体跟踪、ID 重识别、音频分离）进行场景化效果优化。与算法工程师协作，制定数据调整与扩展策略，提升模型在真实场景中的生成能力； 2、数据 pipeline 建设：负责多模态大模型训练数据的构建与管理，参与数据筛选、标注及质量评估工作。分析和挖掘现有数据资源，设计有效的数据分布策略，支持模型持续迭代； 3、数据分布分析：对模型训练数据分布进行详细分析，识别数据偏差、不均衡及潜在问题。提供可视化报告及改进建议，确保训练数据覆盖目标场景并满足多样性需求，最终通过数据驱动方法优化视频生成大模型效果。