米哈游多模态数据处理工程师
任职要求
1、计算机/软件工程等相关专业本科以上学历，拥有多模态相关专业硕士/博士学位者优先； 2、熟悉计算机视觉、多模态领域的相关研究工作和算法，拥有大模型数据处理和质量提升研究工作、知名竞赛获奖、顶级研究机构或一线互联网大模型数据处…
工作职责
职位描述： 1、参与多模态大模型的数据准备、数据清洗、数据实验等工作，构建高质量的多模态数据集，工作内容 2、参与建设对标业内前沿的多模态训练数据集，并在此基础上进一步提升数据质量和多样性； 3、参与构建高质量多模态数据产出的Pipeline，包括图文数据质量、视频数据质量、Pipeline的优化等；
1、负责多模态数据数据pipeline建设、数据版本管理、数据处理、数据算子开发集成等工作。 2、开发自动化数据处理工具与脚本，优化数据清洗、标注及质量评估的效率和规模化能力。 3、参与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； 4、与算法团队紧密协作，根据模型训练需求定制数据策略，提升训练效果。 5、参与模型推理与部署、模型蒸馏、推理服务服务化，能够支持tagging及服务优化工作。
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。
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。
1. 负责百灵多模态模型后训练数据生产，深入探索前沿数据生成前沿方法，主导 agentic 数据的规模化合成与自动化生产，包括代码、搜索、金融等方向，并持续提升后训练数据质量。 2. 熟练应用 prompt 工程、sft 等技术等，对业界的数据合成、数据优化等新前沿数据处理方法保持持续的追踪，建立针对大模型的数据质量和效果评估方法，持续提高数据质量和多样性，安全性，有用性。