优才-大模型数据工程师（数据挖掘方向）-觅蜂子公司

优缺点分析

角色解读

• 向大模型数据专家方向发展，主导更复杂的多模态数据集构建
• 晋升为算法团队负责人，负责标注系统整体架构与策略
• 横向转型为具身智能算法工程师，直接参与模型训练与优化
• 负责构建基于VLM的自动化数据标注体系，提升机器人在2D/3D场景中的感知精度
• 设计多模态标注流水线，将原始传感器数据转化为高质量训练集
• 开发在线自动打标系统，在数据采集时实时生成伪标签并进行初筛
• 制定数据质量标准并通过反馈闭环持续优化，协同算法团队迭代标注模型
• 深入理解VLM架构（如CLIP、LLaVA）及SFT、RLHF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重建与点云处理
• 具备构建自动化标注系统或大规模数据流水线的工程经验
• 熟悉分布式计算、模型推理优化及实时流处理框架

申请策略

• 提前了解智元机器人的产品方向和具身智能领域最新论文，展现技术热情
• 准备一个完整的自动化标注系统设计案例，体现架构思维和问题解决能力
• 突出VLM相关项目经验，尤其是微调（SFT/RLHF）和多模态数据处理
• 强调2D/3D视觉算法的实际应用案例，如目标检测、分割或点云处理
• 展示构建自动化数据流水线或在线标注系统的工程成果，包括性能指标
• 补充分布式计算和模型推理优化知识（如TensorRT、ONNX）
• 熟悉实时流处理框架（如Flink、Kafka）以应对高吞吐标注场景
• 深入学习在线学习和难例挖掘算法，提升系统迭代能力

面试指南

• 采用STAR法则：描述项目背景、具体任务、你的行动与方案、最终成果与量化指标
• 强调权衡取舍：如标注速度vs精度、数据质量vs成本，并解释你的决策逻辑
• 展示迭代思维：如何通过反馈闭环持续优化系统，以及如何处理失败经验
• 请详细说明你如何设计一个基于VLM的自动化标注流水线？
• 在2D/3D融合标注中，如何处理点云与图像的对齐和标注不一致问题？
• 在线自动打标系统中，如何保证伪标签的质量？你如何设计置信度阈值？
• 请介绍一个你通过难例挖掘提升模型性能的实际案例
• 你如何评估一个自动化标注系统的性能？有哪些关键指标？