算法数据工程师/专家（多模态大模型 & 影像方向）

职位背景： vivo致力于通过前沿的AI技术重新定义移动影像体验。我们正在构建下一代影像算法Agent及多模态大模型（MLLM），旨在让手机不仅“看得清”，更能“看得懂”并智能辅助创作。我们需要一位在数据领域有深厚造诣的专家，负责统筹整个训练数据管线，从源头掌控模型的核心竞争力。 核心职责 (Responsibilities)： 数据管线架构设计： 负责多模态大模型（图文、视频、3D）及影像Agent训练全流程的数据管线架构设计与搭建，包括数据采集、清洗、标注、配对、评估及版本管理。 建设高吞吐、低延迟的数据处理平台，支持PB级影像数据的自动化处理与流转。 数据策略与质量体系： 制定符合影像美学、语义理解及Agent决策逻辑的数据标准（Data Curation）。 设计数据质量评估体系，通过自动化脚本与专家审核机制，解决Bad Case，提升SFT（监督微调）和后训练的数据质量。 针对影像垂直领域（如夜景、人像、运动抓拍等），构建高质量的Instruction Tuning（指令微调）数据集。 合成数据与AIGC应用： 探索利用Diffusion模型、3D引擎（Unreal/Unity）或现有大模型生成高质量的合成数据，解决长尾场景及极端环境的数据匮乏问题。 设计“模型反哺数据”的闭环机制，利用模型能力进行自动化数据清洗和标注。 跨团队协作： 与算法研究员紧密配合，根据Scaling Law和模型训练反馈，动态调整数据配比与分布策略。 协同工程团队优化数据加载（Data Loader）效率，减少GPU闲置时间。 任职要求 (Qualifications)： 必备技能： 学历背景： 计算机、人工智能、数学或相关专业硕士及以上学历。 各种经验： 3-5年以上数据工程或AI算法相关经验，至少有1个完整的大模型（LLM/MLLM）或大型CV项目的数据管线落地经验。 编程能力： 精通Python，熟练使用PyTorch/TensorFlow，熟练使用vibe coding。 数据工程： 熟悉分布式数据存储与处理技术。 多模态理解： 深刻理解多模态模型（如CLIP, BLIP, LLaVA, qwen）的数据需求，熟悉图文对齐、Caption生成、VQA等数据构建方法。 加分项 (Preferred Qualifications)： 影像背景： 有计算摄影、ISP算法、图像增强或手机影像相关业务经验者优先。 Agent经验： 了解Function Calling、ReAct框架，有构建Agent相关数据集（如API调用序列数据）经验者优先。 美学素养： 对摄影美学有独到见解，能定义“高质量影像”的数据标准。 论文/竞赛： 在CVPR, ICCV, ECCV, NeurIPS等会议发表过数据中心化（Data-centric AI）相关论文，或在公开数据集竞赛中获奖。