米哈游【实习】视频大模型数据工程师
任职要求
1、本科以上学历，英语六级以上； 2、熟练掌握python，SQL等工具进行数据分析与清洗，熟练使用linux操作系统； 3、具有数据分析、图像处理，音视频数据管理等至少一…
工作职责
1负责视频生成强化学习的数据处理管线搭建、日常运营、与优化。通过与研发，数据湖后端紧密合作，确定视频数据管线和流程，建立关键工具，确保日常运营的高质量和高效数据生成和管理。 核心职责： 1、从数据需求出发，完成数据处理管线的方案设计，规范化数据处理流程； 2、开发与优化脚本工具实现管线处理的关键步骤，提升数据处理效率，； 3、进行日常运营，维护数据管线，把控数据的质量，保证各版本数据的高质量交付； 4、分析数据分布，优化数据采样收集流程，持续提升数据交付质量；
职位描述： 1、参与视频大模型的数据准备、数据清洗、数据实验等工作，构建高质量的视频数据集； 2、参与建设对标业内前沿的视频训练数据集，并在此基础上进一步提升数据质量和多样性； 3、参与构建高质量视频数据产出的Pipeline，包括视频数据质量、Pipeline的优化等；
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。
我们是谁： -事业群简介：我们是阿里智能信息事业群，专注于千问APP、夸克APP、AI眼镜等AI to C的业务，为2亿用户群体提供AI服务，你或你身边的小伙伴中可能就是我们的用户。我们是一支致力于在AI赛道长期发展、创新务实的团队，欢迎每一位有想法、对AI有热情的小伙伴和我们一起参与这个令人激动的过程。 -团队简介：我们是“千问相机”背后的多模搜索&问答算法团队，负责构建面向千问APP、夸克APP、AI眼镜等产品的统一多模态理解、搜索、问答技术体系，我们基于百亿级图文/视频库及海量用户真实场景需求，攻克多模态对齐与检索难题，探索大模型与搜索的深度融合，支撑全网搜索、智能拍搜、多模态RAG等关键场景。团队技术氛围浓厚，工作氛围开放包容，加入我们，与顶尖工程师共同成长！ ⭐️ 你会参与到： 1.与算法工程师携手深入探索大模型的底层原理，能够更好地理解数据与模型之间的关系，为模型训练提供更具针对性的标注策略，加速模型的优化与迭代。 2.深度参与数据与模型的交互过程，理解不同领域知识之间的关联和相互影响，从而拓展自己的知识边界，培养跨学科的思维能力，能够从多个角度理解数据、理解知识、理解智能。 3.通过对数据作为人工智能核心驱动因素之一的深刻理解和实战参与，进一步提升快速学习的能力、创新思维激发，对个人未来的职业发展中提供更多的可能性，进一步提升未来在职场的竞争力。
- 参与大模型数据策略与数据迭代（文本/多模态/代码），负责大规模数据构建与合成，支撑预训练/对齐效果 - 协助多模态、代码与工具调用数据的构建，进行包括分布式的清洗、合成、近重复/噪声检测与去重，建立难例库与反馈闭环，持续提升数据质量与密度 - 参与数据质量评估与筛选算法的实现：低质过滤，质量评分、LLM判别与复核等；针对代码与工具调用场景，引入编译/单测/沙箱执行/参数一致性校验 - 支持对齐与偏好学习数据，配合消融实验及评测指标分析，输出采样/准入/退场/权重等数据策略并推动落地