字节跳动多模态数据技术专家（视觉理解方向）-DMC
任职要求
1、有智能对话类产品经验优先，有一定的代码基础，有心理学背景优先，了解视觉基础原理、接口和提示工程技术； 2、熟悉或亲身参与大模型训练、微调、大模型应用开发等经验，有PE能力优先； 3、能…
工作职责
1、基于视觉理解大模型打造的视频通话功能做相关的数据建设，负责智能对话类产品的场景构建、数据采集、风格制定，对结合视觉的对话类数据生产的质量和效率负责，紧密协同模型效果迭代； 2、依据视觉理解模型的能力场景，制定并持续优化数据生产的标准和流程，积极探索数据生产或模型效果提升的实验，获得客观严谨的结论并能优化数据生产流程； 3、能够用多种手段为标注工作提效，包括并不限于工具优化、PE撰写、标注方式创新等； 4、与算法团队、产品团队密切协作，深度理解背后的模型原理、算法逻辑，积极提供有价值的数据构造或生产的策略及建议； 5、输出与带教，协助团队其他非技术向员工，提升对多模态大模型的了解程度、教授实际应用技巧等，以辅助团队更好完成业务目标。
1、医疗报告智能解读： 负责“阿福”的拍照/上传报告功能，核心解决体检单、化验单、处方单等复杂排版图片的结构化提取与医学结论分析； 2、视觉模型调优： 构建医疗文档的图文评测集（Benchmark），解决模糊拍摄、手写体识别、复杂表格对齐等长尾问题，降低模型幻觉； 3、多模态交互体验： 设计“拍一拍”后的交互流，让用户不仅看到数据，还能通过图片与阿福进行多轮问诊对话。
我们是谁？ 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现厘米级高精地图、实时三维重建、多模态感知等核心技术的引擎，持续突破自动驾驶、AR导航、智慧交通等领域的技术边界。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 岗位职责： 1、负责研发空间智能核心技术，进行室内/室外/航拍/卫片等全场景高质量空间理解、重建与生成，包括但不限于基于图像、视频、点云、Mesh和3DGS等多种模态数据的空间智能基座与应用； 2、负责多模态大模型和视频生成大模型的预训练、微调等工作，包括但不限于数字人、生成式重建及空间生成等应用方向； 3、负责大规模多模态数据集的构建、清洗与管理，搭建高效数据流水线，保障算法训练与评估； 4、负责结合具体需求，抽象出关键算法进行研发，并持续保持及引领相关技术指标。
1. 负责多模态大模型在图像与视频理解方向的算法研发、优化与部署； 2. 深入研究并实践多模态大模型的微调技术，以适配特定业务场景； 3. 参与构建和优化大规模多模态数据集； 4. 跟踪最新技术进展，不断优化算法性能（精度、效率、泛化能力）； 5. 与团队紧密协作，推动算法在产品中的有效落地；
1. 负责多模态大模型在图像与视频理解方向的算法研发、优化与部署； 2. 深入研究并实践多模态大模型的微调技术，以适配特定业务场景； 3. 参与构建和优化大规模多模态数据集； 4. 跟踪最新技术进展，不断优化算法性能（精度、效率、泛化能力）； 5. 与团队紧密协作，推动算法在产品中的有效落地；