字节跳动多模态大模型数据工程师

1、设计和开发大规模预训练数据处理链路，为基座模型预训练提供稳定、可靠的高质量数据处理能力，包括数据寻源、数据抓取/采集、数据解析（OCR、图片、网页）等工作内容； 2、设计和开发服务大模型预训练的数据平台，管理数据的元信息、血缘、存储治理等数据全生命周期要素；提供预训练数据的可视化、可观测能力；探索数据实验、数据发版的工程上限； 3、针对LLM、VLM等模型构建数据合成方案和框架，支持数据Scale等工作； 4、根据大模型训练数据特点，抽象并开发高效、可靠的数据加工框架，提升所有大模型算法工程师处理数据的工程效率。

1. 根据算法需求，调研相关数据处理算法，并制定相关处理方案。 2. 深入理解大模型研发流程，与算法工程师紧密配合，持续迭代和优化数据处理链路，提高数据产出的质量和效率

1.面向世界模型（World Model）场景下多模态大模型的预训练与后训练数据需求，围绕2D视频数据与3D场景数据构建自动化、高效率的数据处理管线，覆盖数据采集、清洗、结构化、合成、质量评估与版本管理等环节，持续优化系统性能，保障管线的稳定性、可扩展性与可复用性； 2.设计并开发数据处理工具与自动化脚本，提升数据清洗、标注与合成效率，支撑数据规模化生产与迭代； 3.建立数据质量评估与自动化检测体系； 4.与算法研究团队深度协作，理解世界模型在视频预测、场景建模与交互推理等任务中的训练需求，制定针对性的多模态数据策略，持续挖掘高价值数据资源，推动以数据为核心驱动的模型能力演进与迭代。

1.面向世界模型（World Model）场景下多模态大模型的预训练与后训练数据需求，围绕2D视频数据与3D场景数据构建自动化、高效率的数据处理管线，覆盖数据采集、清洗、结构化、合成、质量评估与版本管理等环节，持续优化系统性能，保障管线的稳定性、可扩展性与可复用性； 2.设计并开发数据处理工具与自动化脚本，提升数据清洗、标注与合成效率，支撑数据规模化生产与迭代； 3.建立数据质量评估与自动化检测体系； 4.与算法研究团队深度协作，理解世界模型在视频预测、场景建模与交互推理等任务中的训练需求，制定针对性的多模态数据策略，持续挖掘高价值数据资源，推动以数据为核心驱动的模型能力演进与迭代。