多模态训练数据质量专家

Job description

数据质量定标与评测

• 负责视频/图像训练数据的质量体系搭建。制定数据采集、清洗、标注的质量准入标准，主导构建主观视觉评测集与客观指标（如FID、CMMD、PSNR等）相结合的自动化数据筛选流程；

端到端内容评估

• 通过端到端测试、自动化质量评测及异常检测等手段，系统性识别链路中的问题与优化空间，协同链路算法与工程团队共同推动质量改进，守好质量底线；

数据治理与闭环

• 建立数据缺陷追踪机制，针对低质量数据（如标注错误、画面过曝、构图失衡）制定修复或清洗策略，与算法团队对齐“数据质量”与“模型表现”的关联关系，持续提升数据资产价值；

工程协同与赋能

• 将质量诉求转化为工具链及平台需求，与工程团队紧密配合，推动QA能力从人工走查向自动化、规模化升级。
• 本科及以上学历，3年以上质量管理、数据工程、图像/视频质量评测、数据治理或相关工作经验；
• 具备极强的视频/图像质量感知能力。 对空域、时域失真敏感，能够快速识别压缩伪影、传感器噪声、运动模糊、过曝、欠曝、偏色、畸变、锐化过度、清晰度下降等问题，并能初步判断其技术原因，如采集硬件、编码链路、后处理或数据压缩策略等；
• 理解大规模图像/视频数据管理流程。 熟悉数据采集、清洗、去重、标注、质检、入库、抽检、回流等流程，理解数据分布、多样性、噪声、重复样本、长尾样本对模型训练效果的影响，有实际数据清洗或去重经验；
• 具备一定审美判断和视觉分析能力，能够对画面构图、色彩、清晰度、主体突出度、风格一致性等进行判断，并能将“主观观感问题”转化为可度量、可追踪的质量指标；
• 具备扎实的逻辑分析和问题定位能力，能够独立设计质量评测方案，善于用数据分析问题、验证假设和推动决策；
• 了解音视频数据处理链路、数据仓库架构、机器学习/大模型预训练流程，理解训练数据质量对模型效果的影响；
• 具备良好的沟通协作能力和质量owner 意识，能够串联算法、工程、数据、标注、产品等多方团队，推动质量标准对齐和问题闭环。 【加分项】
• 有从0到1搭建数据质量/质检/治理体系经验；
• 熟悉自动化测试框架、数据质量监控平台、标注平台或数据资产管理平台；
• 熟悉视频编码、图像处理、AIGC数据生产、视频/图像/多模态模型训练流程；
• 有大规模训练数据集构建、清洗、去重、质量评估经验；
• 有主观评测体系建设经验（MOS、pairwise comparison、评分规范、一致性校验等）。