快手
多模态大模型数据算法专家（Keye ）-【可灵AI专项】
多模态大模型数据算法专家（Keye ）-【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
专家级经验
全职员工
仅现场办公
硕士
机器学习工程
Ocr
Pytorch
Tensorrt
Vllm
多模态
大模型
数据工程
AI 估算 · 40k–70k
多模态大模型是前沿方向，北京大厂专家岗薪资较高，结合行业水平估算。
职位详情
关于这个职位
作为快手可灵AI专项的多模态大模型数据算法专家，你将负责海量多模态数据的深度治理与高质量标注，构建商业化数据飞轮，并建设Agent专属预训练数据集
该岗位直接参与核心数据体系建设，推动大模型在商业场景落地，适合有深厚算法和工程经验的专家
最低要求
硕士及以上学历，具备优秀的学术敏锐度，能快速复现前沿成果
在深度学习、多模态大模型、高分辨率视觉内容理解等领域有深厚积累，熟练掌握OCR文字识别、多模态内容理解及相似性检索聚类算法
精通PyTorch，在模型训练、压缩和微调方面有丰富实践经验，具备大规模多模态/视频理解系统的架构设计开发经验，熟悉Python微服务开发及TensorRT、vLLM等推理优化技术，具备可视化数据平台操作经验，熟练使用Hive等大数据处理框架，独立开发与调试能力极强
极具创业热情，深度认同“数据驱动（Data-centric AI）”在大模型商业化中的决定性价值，具备出色的沟通协作能力，能与顶尖团队共同攻克开放性难题
工作职责
大规模多模态数据深度治理：负责图像、文本、音视频等海量多模态数据的分类、分割、检测、OCR及高质量Caption生成，优化数据标注与质检规范，从根本上解决数据噪声、语义偏差、模态错位等核心痛点，为Keye基座模型的预训练与高阶微调对齐提供壁垒级的数据支撑
商业化数据Pipeline与飞轮建设：主导多模态大模型训练数据的全生命周期管理（搭建、筛选、标注与质量评估），构建基于商业化API调用的“用户交互-数据飞轮”闭环，依托真实业务的迭代效果精准复盘数据短板，实现完全数据驱动的模型自适应演进
Agent专属预训练数据建设：围绕智能Agent的推理规划、工具调用（Tool-use）、多轮交互及复杂任务执行等核心能力，拆解真实的商业场景需求，构建高质量的推理、决策与指令交互数据集，持续补齐开放域难点数据，支撑大模型Agent综合能力的商业化落地
技术与业务中长期规划：跟踪多模态大模型与Agent数据的前沿技术演进，制定数据体系的长期建设规划与标准化规范，牵头核心技术攻关，联动跨团队解决多模态对齐、复杂推理数据构建等行业级难题，持续夯实模型的商业竞争优势
优先资格
计算机视觉、自然语言处理或多模态方向优先
有高质量论文发表、知名开源项目或顶级竞赛获奖经历者优先
AI 洞察
优缺点分析
优点
- 快手上市大厂，可灵AI专项资源投入大，平台优势明显
- 多模态大模型是前沿赛道，技术成长空间巨大
- 涉及数据全链路和商业化闭环，影响力广泛
- 与顶尖团队协作，能接触真实业务场景，积累宝贵经验
- 对综合能力要求高，需要算法、工程、数据并重
- 数据治理工作繁杂，需要极高的耐心和细致度
- 适合拥有扎实算法功底、热爱数据驱动、能在不确定性中主动探索的资深技术专家
缺点 / 挑战
- 商业化落地压力大，可能需要快速迭代和高强度工作
角色解读
- 可成长为多模态数据方向的技术专家或团队带头人
- 可向大模型算法科学家或AI数据架构师方向发展
- 有机会参与前沿技术研究，提升学术影响力和行业知名度
- 负责多模态数据的分类、分割、检测、OCR及Caption生成，深度治理数据质量
- 搭建数据Pipeline，构建用户交互-数据飞轮闭环，驱动模型迭代
- 建设Agent推理、工具调用等预训练数据集，支持商业场景落地
- 制定数据技术规划，攻关多模态对齐、复杂推理等行业级难题
- 具备深度学习与多模态大模型技术积累，掌握OCR、内容理解、相似性检索
- 精通PyTorch，有模型训练、压缩、微调丰富经验
- 熟悉大规模系统架构与Python微服务，掌握TensorRT、vLLM推理优化
- 熟练使用Hive等大数据工具，具备数据处理与分析能力
申请策略
- 了解快手可灵AI的产品方向和竞争格局
- 在简历中突出数据治理对模型提升的具体贡献
- 突出多模态或大模型相关项目经验，尤其是数据构建和模型优化
- 强调OCR、内容理解等具体技术案例，量化效果
- 展示大规模数据处理和Pipeline建设的成果
- 如有论文、开源项目或竞赛获奖，务必显著列出
- 深入理解数据飞轮和Data-centric AI理念
- 学习Agent推理、Tool-use等前沿数据构建方法
面试指南
- 采用STAR法则：情境、任务、行动、结果，结合具体项目数据
- 强调“数据-模型-迭代”的闭环思维
- 先讲方法论，再讲实践细节
- 如何构建高质量的多模态训练数据？请举例说明数据噪声处理方案
- 你如何设计数据飞轮闭环以驱动模型迭代？
- 请描述一次你使用PyTorch进行模型微调的经历，遇到哪些问题？
- 如何为Agent推理任务生成训练数据？
- 你如何看待Data-centric AI在大模型商业化中的作用？
职位点评
71
综合评分
大厂核心AI项目，前沿技术栈，成长性强，但工作生活平衡存在不确定性。
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
最适合追求技术前沿和快速成长的求职者，能承受潜在的高压工作。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活45
使命价值75
薪资福利
70中等
JD未披露具体薪资，但快手作为上市公司，薪酬体系完善，预计整体补偿性处于市场中上水平。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
90较高
多模态大模型是前沿技术领域，岗位涉及数据全链路和长期规划，成长空间极大，但未明确晋升或培训机制。
技术前沿前沿/新兴技术
技术栈多模态、大模型、PyTorch、OCR、TensorRT、vLLM、Hive、数据工程
成长机会前沿技术演进、长期建设规划
业务类型profit_center
工作生活
45较低
JD未提及远程或弹性工作，也未说明WLB，结合大厂AI岗位高强度和创业氛围，生活化动机满足度有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
大模型技术处于高速增长赛道，岗位直接推动AI商业化落地，具有较高行业影响力，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