蚂蚁集团-多模态语料质量评估与优化工程师-杭州/上海

多模态语料质量评估体系建设：

设计覆盖文本、图像、音频、视频等多模态数据的质量评估维度（如一致性、完整性、跨模态对齐度等），建立可量化、自动化的质量度量框架，定义多模态场景下的质量验收基线与 SOP；

研发基于语义理解的自动化质检算法，开发可视化质检平台与诊断工具，支持跨团队（算法、数据、工程）协同的数据质量分析决策。

结构化语料优化与增强： 构建从非结构化多模态数据到高质量结构化知识（图谱、合成链路等）的生成与验证闭环，利用可控 Agent 生成技术检测高保真、多样化逻辑推理样本，提升数据的逻辑密度与可解释性，并通过对抗验证与消融实验评估其对模型泛化能力的增益。

数据-模型质量飞轮驱动： 通过质量导向的数据消融实验，量化分析语料结构质量、分布均衡性、噪声水平对模型推理能力与知识记忆的影响边界，建立"低质样本诊断、清洗与合成策略迭代、模型性能验证"的闭环流程，推动以数据质量为核心的模型持续优化。

教育背景：计算机、数学、人工智能、自然语言处理或相关领域本科及以上学历，硕士、博士优先；

专业经验：

2 年以上自然语言处理、多模态数据处理或数据科学研发经验，有大模型预训练、微调语料治理经验者优先；

深入掌握信息抽取（实体、关系、属性）、数据清洗、标注一致性评估、数据合成中的至少一项核心技术；

具备多模态对齐分析或跨模态质量度量项目实践。

技术能力：

精通 PyTorch、TensorFlow，熟练使用 Transformers、LangChain 等工具链；

熟悉大规模数据处理框架及分布式计算优化；

有基于 LLM 或 Diffusion 模型的合成数据生成与验证实践经验。

数据质量能力：

具备数据敏感度，能从多模态数据分布中识别系统性偏差、噪声模式及知识缺口，并转化为可执行的优化策略；

具备构建自动化质检、设计数据 SLA、建立质量监控看板的工程化能力；

善于通过消融实验、反向验证、模型探针等方法，量化评估语料质量对下游任务的影响。

综合能力：

逻辑严谨，擅长从复杂数据中提炼质量规则，具备根因定位与系统性优化能力；

跨模态思维能力强，能贯通"原始数据、结构知识、模型能力、评估反馈"全链路；

对数据治理、标注一致性、合成数据可信度等质量议题有深度认知与落地热情。

加分项：

在 ACL、CVPR、NeurIPS 等高水平学术会议发表过数据质量、信息抽取或合成数据方向论文；

有高质量开源数据集构建或数据质量相关工具开源经验；

熟悉 Prompt 工程、程序化数据生成等前沿技术并应用于质量增强场景。