具身智能数据平台开发专家（数据算法） - 火山引擎

AI 摘要智能生成

主导面向具身模型训练的数据体系建设

职位描述

团队介绍：火山引擎是字节跳动旗下云和AI服务平台，将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业，通过云和AI技术，推进企业智能化转型，激发增长潜能。 1、主导面向具身模型训练的数据体系建设，负责多模态训练数据的构造、清洗、配比与投喂全链路，推动基于大模型的多模态自动标注落地，实现视觉感知、语义描述与动作轨迹的联合标注与时序对齐； 2、负责规则算子挖掘与迭代，基于业务规则与模型信号从海量实机回流数据中自动筛选高价值样本，设计并沉淀可复用的算子库，支撑数据的语义化索引、场景切片与高效检索； 3、设计基于模型不确定性、场景多样性与价值密度的主动学习与难例发现策略，从回流数据中自动定位长尾与难例场景；建立场景分类与标签体系，支撑针对性的数据补充与场景覆盖； 4、主导定向场景样本生成，基于合成数据、生成模型（世界模型等）扩充场景数据与反事实数据，提高难例覆盖率与场景多样性； 5、建设多模态数据的向量化表征、相似样本召回与语义检索，支撑数据挖掘、难例聚类与训练样本的高效组织。

任职要求

• 3年及以上数据算法、智驾模型训练或数据闭环相关经验，熟悉智驾数据全流程（车端采集、影子模式回流、数据清洗、难例挖掘、自动标注、仿真/合成数据生成、训练数据生产等）经验者优先；
• 熟悉规则算子挖掘与难例挖掘，熟悉导航信息、BEV、Occ、3D检测、目标跟踪等感知任务的数据特点与标注要求，能与算法团队高效对齐数据策略；
• 精通Python，具备扎实的工程编码与系统设计能力，了解大规模数据处理技术，深入理解分布式计算框架与数据湖技术，有PB级多模态数据处理平台架构设计与落地经验优先。