腾讯
腾讯混元-混元多模态数据产品（北京/上海）
腾讯混元-混元多模态数据产品（北京/上海）
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公产品经理
产品经理
Sql
后训练
多模态大模型
数据产品
数据清洗
计算机视觉
预训练
值不值得投
80综合评分
综合评分 80
腾讯混元大模型核心数据产品岗，前沿技术栈与成长空间极大，薪资具竞争力，但工作节奏可能较快。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.8万
比产品经理中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2010 个在招 · 其中产品经理 54 个
市场机会
选择面较广
北京 · 产品经理 · 约 740 个在招
职位详情
关于这个职位
该职位负责腾讯混元大模型多模态（图像/视频）预训练与后训练的数据建设
你需要制定数据标准与生产方案，拓展数据源并进行质量筛选与清洗，最终结合模型训练效果迭代数据策略，推动数据生产平台化
最低要求
本科及以上学历
具备 1 年及以上数据产品、算法策略或 AI 产品经验
具有图像/视频生成、多模态大模型或计算机视觉背景
理解不同训练阶段的数据需求，熟悉数据筛选、配比与质量评估
具备需求拆解与跨团队推进能力，能够协同算法、研发、标注及供应商完成交付，兼顾质量、成本与合规
工作职责
数据规划：负责图像/视频模型预训练、后训练的数据建设，与算法团队协同制定数据标准、生产方案及交付计划
数据寻源：拓展公开数据集、授权内容、定向采集及合成数据等来源，综合评估质量、规模、成本与合规性
质量筛选：建立清晰度、美学质量、图文一致性、视频时序与运动质量等评价标准，推动数据清洗、去重、描述生成及标注验收
效果迭代：结合训练评估与问题归因优化数据策略，协同研发推动数据生产、质量监控与版本管理的平台化
优先资格
计算机、人工智能、统计学等相关专业，硕士及以上学历优先
有大规模训练数据建设经验者优先
有预训练数据治理、后训练数据生产经验者优先
具备 SQL、Python 数据分析能力及实验设计、效果归因能力者优先
AI 洞察
优缺点分析
优点
- 处于大模型核心赛道，能积累稀缺的多模态数据治理与预训练/后训练经验，构建极高的职业壁垒
- 依托头部互联网企业的大模型平台，能接触海量真实数据与顶尖算法团队，技术视野与行业认知将得到极大拓展
- 多模态数据（尤其是视频时序、美学质量）的评估标准复杂且主观性强，需要不断摸索、定义并迭代自动化评估体系
- 跨团队协同链路长（涉及算法、研发、标注、供应商），沟通与推进成本高，对需求拆解和抗压能力要求极高
- 适合具备AI或CV背景、对大模型底层数据逻辑有深入理解，且具备极强跨团队推动能力与数据敏感度的复合型产品人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可向资深多模态数据产品专家发展，主导更大规模的数据中台与自动化生产平台建设
- 横向可转型为大模型算法策略产品经理，或深入AI产品商业化落地，成为懂算法、懂数据、懂业务的复合型AI产品领军人才
- 负责多模态大模型（图像/视频）预训练与后训练的数据规划与建设，制定数据标准与交付计划
- 拓展多源数据（公开数据集、合成数据等），建立质量评价标准并推动数据清洗、去重与标注验收
- 结合模型训练效果进行问题归因，迭代数据策略，并协同研发推动数据生产与质量监控的平台化
- 具备多模态大模型或计算机视觉背景，深刻理解不同训练阶段（预训练/后训练）的数据需求
- 掌握 SQL、Python 等数据分析工具，具备实验设计与效果归因能力，能用数据驱动产品迭代
- 拥有出色的跨团队协同与项目管理能力，能高效拉通算法、研发、标注团队及外部供应商
申请策略
- 深入了解腾讯混元大模型的最新进展与多模态能力，在面试中展现对行业前沿数据趋势及竞品数据策略的独立洞察
- 突出在大规模训练数据建设、多模态数据治理方面的具体项目经验，量化数据质量提升或模型效果优化的成果
- 展示使用 SQL/Python 进行数据分析、实验设计与效果归因的实际案例，证明数据驱动能力
- 强调跨团队协同推进复杂项目的经历，体现兼顾质量、成本与合规的综合把控能力
- 深入学习多模态大模型（如Sora、Midjourney等）的底层训练逻辑与数据配比策略，理解预训练与后训练的数据差异
- 提升数据清洗、去重及自动化标注工具的产品设计能力，了解主流开源数据集（如LAION、WebVid）的特点与清洗方案
面试指南
- 采用 STAR 法则回答项目经验，重点突出“发现问题-数据策略调整-效果验证”的闭环，用具体指标（如准确率、偏好胜率）量化结果
- 对于评估标准问题，结合具体维度（如清晰度、时序连贯性）和自动化评估工具（如CLIP打分、VQA模型）来回答，展现体系化思考
- 如何评估图像/视频数据的美学质量、图文一致性或视频时序连贯性？
- 在预训练和后训练（如SFT/RLHF）阶段，数据需求和质量标准有什么本质区别？
- 请分享一个你通过数据策略优化或问题归因，显著提升模型效果的完整案例
- 在拓展数据源时，如何平衡数据质量、规模、采集成本与合规性？
- 复习计算机视觉和多模态大模型的基础知识，了解主流数据集的特点、常见数据污染问题及清洗方案
- 准备过往项目中数据清洗、去重和标注验收的具体流程，总结踩坑经验及解决方案，体现实战深度
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
头部互联网企业的大模型核心岗位，薪资福利具备市场竞争力，数据产品与AI复合技能溢价明显。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
95较高
处于大模型最前沿赛道，能深度参与多模态预训练与后训练数据建设，技术成长空间与行业视野极佳。
技术前沿前沿/新兴技术
技术栈多模态大模型、计算机视觉、预训练、后训练、Python、SQL
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与加班情况，大模型核心研发岗位通常工作节奏较快，WLB情况无法明确判断。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
参与通用人工智能（多模态大模型）的研发，推动AI技术边界，具有较高的行业使命感与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs