多模态数据算法工程师
负责多模态大模型在预训练、指令微调、偏好对齐等阶段的数据建设工作,包括数据采集、数据入库、数据清洗、数据观测、数据挖掘等环节;负责多模态数据的闭环验证,建立从数据构造、模型训练到性能评测的全链路闭环体系,确保数据有效提升模型基础能力;参与训练数据全生命周期管理体系建设,支撑多模态大模型场景下海量训练数据的高效读取,提升模型训练工程效率;跟进业界最新技术与进展,结合实际场景落地,持续提升数据质量并挖掘数据价值。要求具备扎实编码能力,熟悉...
第 14 页,共 26 页
负责多模态大模型在预训练、指令微调、偏好对齐等阶段的数据建设工作,包括数据采集、数据入库、数据清洗、数据观测、数据挖掘等环节;负责多模态数据的闭环验证,建立从数据构造、模型训练到性能评测的全链路闭环体系,确保数据有效提升模型基础能力;参与训练数据全生命周期管理体系建设,支撑多模态大模型场景下海量训练数据的高效读取,提升模型训练工程效率;跟进业界最新技术与进展,结合实际场景落地,持续提升数据质量并挖掘数据价值。要求具备扎实编码能力,熟悉...
主导多模态大模型在预训练、SFT(指令微调)、RLHF(偏好对齐)等全阶段的数据体系建设,攻克海量多模态语料的智能采集、多维清洗、去重过滤、自动化标注与深度挖掘等关键问题;建立“数据合成与构造—模型训练—能力评测”的全链路闭环验证体系,通过数据消融与归因分析推动模型能力提升;参与设计并优化 PB 级多模态训练数据的全生命周期管理架构,提升海量数据吞吐与加载效率,支撑大规模分布式训练;持续跟踪并复现前沿技术成果,将数据端与多模态算法相关前...
负责 MiniCPM-o 全模态全双工模型的评测系统建设,覆盖 ASR、VoiceBench、OmniBenchmark、FullDuplex Bench、LiveSports 等任务;建设自动化评测流水线,负责评测框架的设计、维护与重构,并维护评测可用性、结果可视化工具和 badcase 分析工具;与算法团队协作,基于评测结果定位模型问题,推动训练数据、训练策略和模型能力迭代;参与设计全双工模型专项评测,包括说话时机、打断、多说话人、...