阿里巴巴数据技术及产品部-多模态理解大模型评测专家-杭州/北京
任职要求
1. 对多模态 AI 产品有强烈用户视角，能清晰阐述"什么是好的产品多模态理解体验"并转化为可量化指标。 2. 具备从零设计产品侧评测体系的经验，理解评测集在区分度、代表性、生态效度方面的权衡。 3. 2 年以上 AI 产品（多模态大模型、智能助手、AI 搜索、文档/视频理解等）的产品、体验或评测相关经验。 4. 对多模态理解技术有基本认知，能与算法团队进行有效的技术沟通。 5. 熟练掌握 Python，有评测工具或…
工作职责
1. 主导多模态理解大模型评测体系设计，从真实用户场景出发定义核心能力维度，将体验痛点转化为可量化的评测指标。 2. 设计覆盖信息检索、内容理解、文档分析、视频摘要、富媒体问答等高频场景的评测任务，推动评测从"学术任务"向"产品体验"演进。 3. 持续挖掘真实使用中的 Bad Case，做系统性分类与归因，形成问题清单与改进优先级。 4. 建立评测数据质量管控与版本管理机制，定期更新评测集以覆盖新场景与新模态组合。 5. 与产品、算法团队紧密协作，在新模型上线前完成评测，提供数据驱动的优先级建议。
1、和集团内基础大模型团队紧密合作，研发多模态数据理解与处理算子，覆盖图像、视频、音频等多模态数据的识别、理解、质量评估等核心能力，以高质量合成数据驱动集团大模型实现行业领先 2、负责多模态领域专家模型的研发，负责从任务定义、数据构建、模型训练、推理优化、评测迭代到业务落地的全流程闭环，持续提升模型的泛化能力与稳定性。 3、负责全模态理解大模型的研发，持续优化模型从底层感知（时空定位、细粒度识别）到高阶认知（结构化输出、逻辑推理）的核心能力，打造业界sota。 4、探索创新的多模态/全模态大模型训练范式，撰写发表创新论文或技术报告，参与模型开源与社区建设。
1. 主导面向文生图/文生视频等多模态生成场景评测体系设计，定义核心能力维度，将模型生成能力转化为可量化指标。 2. 设计覆盖文生视频、图生视频、多模态条件生成、创意内容生成等真实场景的评测任务，覆盖写实、艺术风格、特效、动画等多种方向。 3. 主导基座模型评测方案的设计与执行，包括 Arena 对战评测（ELO 排名）、GSB（Good/Same/Bad）对比评测、MOS（Mean Opinion Score）主观质量评分等，确保评测方法的统计显著性与结果可信度。 4. 深入创作者社区收集反馈与失败案例，对 Bad Case 做分类与归因形成产品问题清单。 5. 建立评测数据质量管控与版本管理机制，定期更新评测集以覆盖新创意方向与产品功能。 6. 与产品、设计、算法团队紧密协作，在新模型上线前完成评测，提供数据驱动的优先级建议。
1.承接多模态大模型的数据生产，如图片/视频/音乐的生成及理解模型数据，具备丰富的标注评测团队管理经验，从数据交付提升模型性能 2.开展多模态能力评测建设，能够从图片/视频/音乐专业层面设计专业评测方案，并带领专家开展专业的评测服务 3.建设多模态评测维度、指标体系、业务评测集并开展深入的评测分析工作。产出评测报告，学术benchmark等有影响力的创新工作
负责阿里巴巴多模态数据湖 ALake 体系中 Fluss 流式存储引擎的研发，构建面向实时数仓与流批一体场景的下一代存储底座。 1. Fluss 引擎研发：参与 Fluss 流式存储核心模块的设计与开发，包括行存/列存引擎、数据 Compaction、Checkpoint、故障恢复等 2. 湖仓联动：设计和实现 Fluss 与 Paimon 的数据联动机制，支撑 CDC 数据实时入湖、流批一体消费等场景 3. 引擎集成：推进 Fluss 与 Flink、Spark、StarRocks 等计算引擎的 Connector 开发与性能优化 4. 性能调优：端到端优化数据写入延迟、吞吐、小文件治理，解决线上大规模场景下的稳定性问题 5. 技术方案设计：参与 Fluss 架构演进，输出技术设计文档，推动开源社区建设