bilibili-多模态数据平台研发工程师

面向多模态模型全生命周期，构建面向文本、图像、视频、音频、结构化数据等多模态数据的统一数据平台，支撑海量异构数据的高效采集、存储、处理与分发，支持 PB 级数据管理，保障大规模数据训练任务的高吞吐与低延迟。

建设多模态数据处理管线，实现跨模态数据的清洗、标注、增强、特征提取、向量化与可视化；探索跨模态数据的对齐、融合与联合分析技术。

主导平台架构演进，构建面向 AI-Native 的 Data Agent 基础设施，探索智能调度、自动修复、自适应优化等能力，推动数据平台从"工具化"向"智能化"演进，重新定义数据平台的交互与运维范式。

关注平台研发效能与开发者体验，设计标准化的 API/SDK、可观测性体系及自动化运维工具，降低业务接入成本，提升平台易用性

精通 Python、Java、Go 等至少一种编程语言，具备扎实的分布式系统基础。

深入理解以下至少一种技术体系，并具备线上平台化实践经验： - 计算引擎（Ray）及其平台化封装； - 数据湖/湖仓一体方案（Iceberg/Paimon/Lance）及元数据管理； - 分布式调度系统、资源管理（YARN/K8s）或工作流编排平台。

理解大模型训练与推理全链路中的数据流转机制，熟悉数据从采集、清洗、标注、增强到训练样本构造的全生命周期管理。

对业务敏感，能快速理解业务背景，具备优秀的技术与业务结合能力、需求抽象能力和架构能力；学习能力强，能够快速学习新技术并应用于工程实践。 加分项

有大厂或 AI 公司内部数据平台、评估平台的建设经验；有数据平台（如数据开发平台、任务调度平台、标注平台）的完整设计或核心开发经验。

参与过大规模多模态数据预处理、清洗、合成等流水线平台的建设，服务于大模型 Pretrain/SFT/RLHF。

参与过训练数据与评测数据平台建设，具备文本、图像、视频、音频的可视化、检索、聚类、统计分析、筛选过滤、标注及人工评测等功能开发经验；具备评测结果管理、质检评价、返工再标注等 workflow 设计经验。

有开源大数据/多模态数据处理项目贡献经验，或在相关领域顶会（OSDI/SOSP/NeurIPS/ICML/CVPR 等）发表过论文