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个领域的开发经验； 加分项 1、具有图像生成或视频生成大模型等领域的数据管理项目经验者优先； 2、具备强烈的自我驱动力、优秀的团队协作能力，以及对前沿技术挑战的极大热情；
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。
-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
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：抖音研发团队，主要负责抖音短视频的业务和技术研发、公司全部产品的内容安全业务。截至2020年8月，抖音日活用户超6亿，并继续保持高速增长。未来一年，抖音将更多关注对创作者和社会的价值。团队汇聚各种背景的顶尖人才，在更大体量更为复杂的业务场景中不断提升，在项目0-1的过程中影响上亿用户。期待你的加入！ 1、负责抖音运营与生态团队大模型相关的业务开发，包含创作者服务（流量、培优、创作灵感等）以及对内的抖音规模化运营能力建设，快速搭建应用并在业务中落地，持续优化产品体验、稳定性； 2、与产品经理、数据分析师、算法、数据工程师等角色紧密合作，理解业务需求，制定技术方案，并推动项目的落地和优化； 3、持续探索在各种场景下，利用AI能力增强产品体验，提升工程效率。