快手
多模态大模型数据策略算法工程师-【可灵AI专项】
多模态大模型数据策略算法工程师-【可灵AI专项】
发布于 大约 16 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
机器学习工程
Vllm
分布式计算
多模态大模型
数据合成
机器学习
视频数据处理
计算机视觉
AI 估算 · 35k–60k
快手北京算法岗，硕士以上，热门多模态方向，薪资竞争力强，通常在35k-60k/月。
职位详情
关于这个职位
该职位负责短视频大模型训练数据的全流程构建与优化，包括数据规格制定、质量过滤、去重、标注等核心算子研发，以及数据合成与多样性评估
你将搭建自动化数据管线并与算法、平台团队协作，是模型效果的关键支撑
适合有扎实ML功底和分布式计算经验的工程师
最低要求
计算机、人工智能、统计学、数学或相关专业硕士及以上学历，具备机器学习、模型训练及数据处理项目经验，拥有扎实的数据分析与建模基础
工程与算法双技能：精通 Python 并掌握至少一种工程语言（C++/Java/Go），熟悉 Ray/Spark 等分布式计算框架，具备将算法沉淀为生产级管线的工程能力
同时具备扎实的机器学习基础与数据建模能力
具备大规模视频/图像数据处理实战经验，熟练应用以下至少两个方向：视频质量评估、视频表征与 embedding、镜头切分、语义去重、caption 数据工程、多模态数据合成
熟悉 vLLM 等推理加速框架者优先
有端到端交付数据集的项目经历者优先——能独立承接需求、拆解执行、按时交付并对质量负责
沟通高效，能在算法/平台/标注多方之间高效协同
善用 AI-coding 与大模型工具提升研发与分析效率
工作职责
作为训练数据交付的 owner，承接预训练/后训练/RL 各阶段的数据需求，将模型数据策略落地为可执行的数据规格（数据源、处理策略、质量标准、量级与时效），端到端构建并交付训练就绪数据集
研发与应用视频数据核心算子：多维质量过滤（清晰度/美学/构图/运动性）、镜头切分、大规模语义去重、水印字幕检测、Caption/Recaption 链路，并建立算子效果评估基线
基于数据平台将算子编排为自动化数据管线，落实数据与处理算子版本化，让每一批交付数据可追溯、可复现
探索基于 MLLM 的数据合成与增强技术，设计高效生成策略补充数据缺口
建设多样性覆盖度度量（主体/场景/动作/风格/运镜）与分布再平衡、训练配比实验
建设数据↔模型的归因与消融实验能力，结合评测反馈持续迭代数据策略与交付质量，与模型算法、数据平台、数据产品高效协同
优先资格
有视频/图像生成模型训练数据构建的一线经验
训练或微调过质量打分/安全分类/水印检测类模型
在 CVPR/ICCV/ECCV/NeurIPS 等发表过视频理解/生成方向论文
在视频/图像数据集或数据处理开源项目有活跃贡献
AI 洞察
优缺点分析
优点
- 快手可灵AI是核心业务，资源投入大，有丰富的业务场景
- 涉及数据全链路，能全面掌握数据工程与算法知识
- 大厂平台，薪酬福利有竞争力
- 算法工程兼修，对综合能力要求高，需要持续学习
缺点 / 挑战
- 处于多模态大模型前沿，技术挑战大，个人成长迅速
- 数据质量与模型效果关联紧密，指标压力大，迭代节奏快
- 需要跨团队协作，沟通成本较高，需要高效协同多方
- 适合热爱技术、喜欢挑战、愿意深耕数据策略与多模态方向的算法工程师
角色解读
- 可成长为数据策略专家，主导大规模训练数据体系的设计与优化
- 可横向拓展到模型算法、数据平台等多个方向，具备复合技能
- 在AI视频生成赛道积累稀缺经验，有较强行业竞争力
- 负责训练数据全流程交付，将数据策略转化为可执行的数据规格与管线
- 研发视频数据核心算子，包括质量过滤、镜头切分、语义去重等
- 基于Ray/Spark搭建自动化数据处理管线，实现版本化与可追溯
- 探索多模态数据合成与增强技术，评估数据多样性并参与训练配比实验
- 精通Python，熟悉C++/Java/Go等至少一种工程语言
- 熟悉分布式计算框架Ray/Spark，具备生产级工程能力
- 掌握机器学习基础，有视频/图像数据处理经验，熟悉质量评估、embedding、caption等技术
- 善于使用AI辅助编程工具，高效推进研发
申请策略
- 在简历中具体说明你如何影响模型效果，用数据说话
- 关注快手和可灵AI的动态，贴合业务方向阐述兴趣
- 突出大规模数据处理项目经验，尤其是视频/图像相关
- 强调端到端交付数据集的项目，展示独立负责和解决问题的能力
- 展示对算子（质量评估、去重、caption等）的实践经验
- 如有开源贡献或论文发表，务必列出
- 熟悉Ray/Spark等分布式框架，可提前做小项目练习
- 了解vLLM等推理加速，掌握数据合成相关工具
面试指南
- 采用'问题定义→方案设计→实现→评估'的框架，强调数据驱动的决策
- 回答时突出权衡：资源限制、时效、质量，给出可衡量的指标
- 结合具体项目经验，说明你的思考过程和迭代方法
- 如何设计一个数据质量过滤管道？关键指标有哪些？
- 如何在大规模视频数据中做高效重复检测？
- 数据分布不均衡时，如何采样和配比？
- 如何评估数据清洗的效果？有没有归因方法？
- 介绍一下你过去的端到端数据集交付项目
职位点评
75
综合评分
快手核心AI专项，前沿多模态数据算法岗，技术成长空间大但工作强度未知。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最看重技术成长与行业前景，并将挑战视为成长机会的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展88
工作生活50
使命价值70
薪资福利
80较高
快手作为上市大厂，薪酬福利在行业内有竞争力，但JD未明确薪资福利细节。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
88较高
职位涉及多模态前沿技术，数据合成与模型训练，技能成长空间大，但JD未明确晋升通道。
技术前沿前沿/新兴技术
技术栈Python、Ray、Spark、vLLM、MLLM、多模态、数据合成
业务类型ambiguous
工作生活
50较低
工作地点北京，要求现场办公，JD未提及弹性或加班信息，WLB不明确。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
视频生成行业高速发展，技术影响力大，但社会价值中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
快手 的其他在招职位
相似职位推荐
Watch Jobs