Momenta多模态数据算法
任职要求
岗位职责： 1.针对 VLM Stage2 SFT 数据冗余、多任务分布失衡问题，搭建数据质量评估与筛选流程，在压缩数据量前提下保留图文联合推理能力。 2.设计实现基于 PPL/NLL、双向信息增益的样本打分策略，从图像、问答双维度筛选高价值多模态样本。 3.打通样本打分、子集生成、SFT 训练、模型评测自动化闭环，研发分层采样算法，缓解全局筛选破坏多任务数据分布问题。 4.基于多模态 Benchmar…
工作职责
无
1、为视觉生成模型构建高质量训练数据，兼顾多模态理解与生成相关工作，优化视觉生成模型的数据构建 pipeline，为模型性能提升提供可靠的数据支撑； 2、设计并落地数据有效性验证方案，验证数据对视觉生成模型训练的实际作用，探索数据在模型训练中的有效性； 3、在顶会顶刊上发表研究成果和开源代码，提升团队在多模态视频生成等领域的学术声望。
1.数据特征算法：负责多模态 3D 角色及动画、视频等数据的内容理解（如分类标签体系、embedding表征等），质量检测（数据识别检测、优质美学评价等），去重/聚类分析，数据合成等算法； 2.数据管线建设：负责 3D 角色及动画数据采集、筛选清洗、标注与质量评估管线的建设。与模型算法团队紧密配合，充分分析挖掘数据资源，建立自动化数据处理流程与机制，支持模型持续迭代； 3.数据实验分析：对模型训练数据进行详细分析，建立科学数据实验机制，识别样本不足、质量问题、配比不均衡等潜在问题，驱动数据优化提升数据覆盖、质量、多样性需求，最终带来大模型生成效果的持续提升。
1. 大模型数据体系建设：负责多模态（图/影/文）全链路数据工程，涵盖接入、清洗过滤、模态对齐、采样配比及版本管理。 2. 自动化流水线：设计并落地高并发数据处理 Pipeline，提升数据产出效率、稳定性与实验可复现性。 3. 质量评估与监控：建立多维度数据质量指标（如时序一致性、模态对齐度、噪声率等），构建自动化 QA 与健康度监控看板。 4. 数据策略优化：针对模型训练目标制定数据策略，包括难例挖掘、长尾补齐、负样本构造及数据混配，通过实验驱动模型收益。 5. 闭环迭代：协同模型与业务团队，针对 Bad Case 定位数据问题，打通“数据-训练-评估-回流”的闭环迭代。
我们是国内使用量最大的电商AIGC平台之一。 你将参与到：构建以评测驱动的多模态数据高效处理与迭代机制，融合多模态理解、合成增强等关键技术，打造适用于AI电商场景的高质量融合数据，最终实现“数据-模型-场景”的高效协同闭环，推动新一代AI数据体系的建设。