智元机器人
大模型数据标注工程师
大模型数据标注工程师
发布于 大约 15 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Clip
Llava
Rlhf
Sft
Vlm
分布式计算
点云处理
难例挖掘
2D/3D计算机视觉
AI 估算 · 30k–50k
AI数据工程资深岗位，结合上海市场与B轮公司，薪资具竞争力
职位详情
关于这个职位
该职位专注于为具身智能机器人构建高效的数据标注体系，通过微调VLM模型、自动化流水线和在线打标系统，提升2D/3D场景的标注精度与效率
你将与算法团队协作，优化模型在长尾场景下的表现，确保训练数据的高质量
适合拥有大规模数据工程和大模型微调经验的资深工程师
最低要求
拥有计算机科学、人工智能或机器人相关专业硕士及以上学历，具备5年以上大规模数据工程或大模型微调经验
深入理解VLM（如CLIP, LLaVA等）的架构原理，精通SFT、RLHF等微调技术，并有实际的多模态数据处理项目背景
熟练掌握2D/3D计算机视觉算法，包括目标检测、分割、3D重建及点云处理，能够针对具身智能需求设计高效的标注方案
具备构建自动化标注系统或大规模数据流水线的经验，熟悉分布式计算环境及模型推理优化技术
熟悉在线学习或实时流处理框架，能够解决高吞吐量下的自动化打标一致性与时延优化问题
工作职责
负责基于VLM的具身智能数据预标注体系建设，通过模型微调提升系统对机器人操作、环境感知等复杂场景的2D/3D自动化识别精度
主导构建涵盖2D图像语义、3D点云空间位置及多模态文本描述的自动化标注流水线，实现从原始传感器数据到高质量训练集的快速转化
研发并优化在线自动打标（Online Labeling）系统，支持在数据采集过程中实时生成伪标签，并基于模型置信度进行自动化的数据初筛
制定数据质量评估标准与反馈闭环机制，利用算法手段识别并剔除低质量或干扰项数据，确保存储与训练任务使用高价值样本
协同算法团队进行标注模型的持续迭代，通过难例挖掘（Hard Example Mining）与针对性微调，不断突破自动化标注在长尾场景下的性能瓶颈
AI 洞察
优缺点分析
优点
- 身处前沿的具身智能和VLM领域，技术积累有极高价值
- 公司为B轮阶段，有较大成长空间和影响力
- 工作涵盖模型微调和自动化系统，技能树全面，市场稀缺度高
- 要求跨领域知识（视觉、NLP、分布式系统），学习曲线较陡
缺点 / 挑战
- 自动标注在长尾场景的精度突破是长期难点，工作压力可能较大
- 需要与算法团队紧密协作，沟通成本较高
- 适合具备AI数据工程和大模型微调经验的资深工程师，喜欢挑战技术难题并追求前沿技术落地的人才
角色解读
- 技术方向：向具身智能数据工程专家或算法专家发展，主导更复杂的多模态训练系统
- 管理方向：可晋升为数据工程团队负责人或AI研发总监，带领团队推进技术落地
- 行业方向：在机器人、自动驾驶、AI基础设施等领域具有广泛发展空间
- 负责构建基于VLM的自动化标注系统，通过模型微调提升2D/3D场景识别精度
- 设计和优化数据标注流水线，涵盖图像语义、点云空间和多模态描述，确保高质量训练数据的快速产出
- 开发在线打标系统，实时生成伪标签并进行数据初筛，提升数据采集效率
- 制定质量评估标准，通过难例挖掘和反馈闭环持续改进模型性能
- 深入理解VLM架构（如CLIP、LLaVA），精通SFT、RLHF等微调技术
- 熟练掌握2D/3D计算机视觉算法，包括目标检测、分割、3D重建和点云处理
- 具备构建自动化标注系统或大规模数据流水线的经验，熟悉分布式计算和模型推理优化
- 熟悉在线学习或实时流处理框架，能解决高吞吐量下的标注一致性和时延问题
申请策略
- 面试前了解智元机器人的产品和技术路线，展示对具身智能领域的热情
- 准备一个完整的项目案例，说明如何解决数据标注中的质量或效率问题
- 突出大规模数据流水线或自动化标注系统的构建经验，包括具体性能和成果
- 强调VLM微调项目经历，特别是SFT、RLHF的实际应用案例
- 展示2D/3D视觉算法的熟练掌握，如目标检测、点云处理等，并附上相关项目链接或成果
- 提及分布式计算和模型推理优化经验，体现工程能力
- 熟悉CLIP、LLaVA等开源VLM的代码实现和微调流程
- 学习点云处理库（如Open3D、PCL）和在线学习框架（如Ray）
面试指南
- STAR原则：描述情境、任务、行动和结果，突出技术细节和量化成果
- 问题解决方案框架：先分析问题根源，再提出多种方案并权衡利弊，最后说明选择
- 请描述你构建过的一个自动化标注系统，包括技术选型和遇到的挑战
- 如何评估VLM模型在长尾场景下的性能？你会如何针对性微调？
- 在点云处理中，如何设计高效的3D标注方案？
- 如何处理在线打标系统中的一致性和时延问题？
- 请举例说明难例挖掘的策略及其效果
- 复习VLM架构（CLIP、LLaVA）和微调技术（SFT、RLHF）的核心原理
职位点评
64
综合评分
前沿技术栈、高成长性，但WLB未保障、福利不明确
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
适合重视技术成长和前沿领域探索的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活40
使命价值70
薪资福利
60中等
职位未明示薪资和福利，但基于B轮公司和岗位稀缺性，薪资有竞争力，但稳定性一般。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
工作涉及前沿的VLM和具身智能技术，技能成长空间大，但JD未提及培训或晋升通道。
技术前沿前沿/新兴技术
技术栈VLM、CLIP、LLaVA、SFT、RLHF、2D/3D视觉、点云处理、分布式计算
业务类型profit_center
工作生活
40较低
仅现场办公，未提及弹性工作或WLB，机器人公司可能工作强度较高。
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
具身智能是高速增长赛道，AI技术有社会价值，但JD未强调使命导向。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs