哔哩哔哩多模态数据平台研发实习生
任职要求
1. 计算机、软件工程、大数据、人工智能等相关专业，本科及以上学历； 2. 熟练掌握 Go / Python / Java至少一门后端开发语言，具备良好代码风格，了解基础数据结构、计算机网络、操作系统知识。 3. 了解分布式系统基础概念，熟悉数据库（MySQL）、缓存（Redis）等常用中间件基础原理与实践。 4. 了解大模型基础链路，对 AI 数据集、数据标注、模型评测、训练任务流程有基本认知优先。 5. 优秀的逻辑思维、沟通协作能力，具备较强自驱力与学习能力，乐于接受复杂业务场景挑战。 加分项 1. 有大厂或 AI 公司内部数据平台、评估平台的建设经验；有数据平台（如数据开发平台、任务调度平台、标注平台）的设计或开发经验。 2. 参与过大规模多模态数据预处理、清洗、合成等流水线平台的建设，服务于大模型 Pretrain/SFT/RLHF。 3. 参…
工作职责
1. 面向多模态模型全生命周期，构建面向文本、图像、视频、音频、结构化数据等多模态数据的统一数据平台，支撑海量异构数据的高效采集、存储、处理与分发，支持 PB 级数据管理，保障大规模数据训练任务的高吞吐与低延迟。 2. 参与建设多模态数据处理管线，实现跨模态数据的清洗、标注、增强、特征提取、向量化与可视化；探索跨模态数据的对齐、融合与联合分析技术。 3. 参与平台架构演进，构建面向 AI-Native 的 Data Agent 基础设施，探索智能调度、自动修复、自适应优化等能力，推动数据平台从"工具化"向"智能化"演进，重新定义数据平台的交互与运维范式。 4. 关注平台研发效能与开发者体验，设计标准化的 API/SDK、可观测性体系及自动化运维工具，降低业务接入成本，提升平台易用性。
1. 面向多模态模型全生命周期，构建面向文本、图像、视频、音频、结构化数据等多模态数据的统一数据平台，支撑海量异构数据的高效采集、存储、处理与分发，支持 PB 级数据管理，保障大规模数据训练任务的高吞吐与低延迟。 2. 参与建设多模态数据处理管线，实现跨模态数据的清洗、标注、增强、特征提取、向量化与可视化；探索跨模态数据的对齐、融合与联合分析技术。 3. 参与平台架构演进，构建面向 AI-Native 的 Data Agent 基础设施，探索智能调度、自动修复、自适应优化等能力，推动数据平台从"工具化"向"智能化"演进，重新定义数据平台的交互与运维范式。 4. 关注平台研发效能与开发者体验，设计标准化的 API/SDK、可观测性体系及自动化运维工具，降低业务接入成本，提升平台易用性。
1. 面向多模态模型全生命周期，构建面向文本、图像、视频、音频、结构化数据等多模态数据的统一数据平台，支撑海量异构数据的高效采集、存储、处理与分发，支持 PB 级数据管理，保障大规模数据训练任务的高吞吐与低延迟。 2. 建设多模态数据处理管线，实现跨模态数据的清洗、标注、增强、特征提取、向量化与可视化；探索跨模态数据的对齐、融合与联合分析技术。 3. 主导平台架构演进，构建面向 AI-Native 的 Data Agent 基础设施，探索智能调度、自动修复、自适应优化等能力，推动数据平台从"工具化"向"智能化"演进，重新定义数据平台的交互与运维范式。 4. 关注平台研发效能与开发者体验，设计标准化的 API/SDK、可观测性体系及自动化运维工具，降低业务接入成本，提升平台易用性。
负责多模态数据存储管道研发及数据处理能力研发： 1. 主导EB级大规模非结构化数据传输功能及多模态数据管理系统设计和开发； 2. 参与高性能计算引擎架构设计：基于CPU+GPU异构计算环境，设计并研发面向多模态数据（图像、音视频、文本等）的分布式计算引擎，实现高效部署与运维； 3. 参与核心算子研发与优化：结合多模态数据特征，设计并开发高性能数据处理算子，涵盖数据清洗、特征提取、格式转换等关键环节，保障算法效率与准确性； 4. 构建数据处理最佳实践体系：针对多模态数据存储、处理特点及场景，给出算子最佳实践，如卡型选择、CPU/GPU选择等。
1.负责模型预训练、微调、部署及推理过程中的数据准备、模型和数据加速、数据集存储及管理，为大模型提供高效稳定的多模态数据预处理能力，构建高质量的AI数据迭代链路。 2.探索AI Native的多模数据存储格式，支持AI数据高效存储、读取和分析，提升数据的使用价值。 3.跟进LLM、多模态大模型的前沿发展，探索数据如何更好驱动模型迭代。