职位描述
岗位目标
建立面向视频、文本描述、动作与控制信号的数据质量评测能力，通过可信的评测集和自动检查方法，持续发现数据问题、评估修复效果，提高训练数据的有效性。
岗位职责
1. 围绕视频内容、Caption、时间区间、动作标注和参考信号，设计质量维度、错误分类及评测方法。
2. 开发规则、视觉模型或多模态模型驱动的自动检查方法，重点识别物体遗漏、动作描述错误、视角不符、时间偏移、事件不完整和配对不一致等问题。
3. 建立固定评测集和困难样本集，与人工验收流程配合，评估自动检查的准确性、漏检、误报及跨来源表现。
4. 输出可定位到样本、字段和时间区间的检查结果，提供问题证据、置信度及复核建议，支持历史数据校验、补标和重处理。
5. 对比不同标注方案、算法版本及处理规则的质量变化，分析分场景、分来源的收益和退化，形成可复验的结论。
6. 将有效检查方法接入现有生产与质检流程，持续优化检查成本、吞吐和运行稳定性。
7. 结合下游训练反馈分析数据问题，支持数据筛选与改进优先级的判断。任职要求
- 本科及以上学历，计算机、人工智能、统计、自动化等相关专业，或具备同等项目经验。
- 熟练使用 Python，具备数据分析能力，熟悉 SQL、PyTorch 等常用工具。
- 有计算机视觉、多模态模型、视频理解、模型评测或数据质量相关项目经验。
- 理解抽样、精确率与召回率、人工一致性、阈值选择及评测集划分，能够识别评测偏差。
- 能够构建可重复运行的实验和评测流程，结合人工结果分析自动判断的适用范围。
- 具备较强的问题定位能力，能将模糊的质量反馈转化为具体检查方法和验证方案。
加分项
- 有视频 Caption、事件定位、时序对齐或跨模态一致性评测经验。
- 有 VLM 评审、模型校准、主动学习或难例挖掘经验。
- 熟悉机器人动作、相机位姿、手部估计或多传感器数据。
- 有自动质检能力投入实际生产的经验。
