职位描述1. 建设基于视觉语言模型的自动预标注管线：对视频与动作轨迹做结构化标注，覆盖任务与原子技能语义、动作阶段切分、接触事件与任务成功与否的判定，每条标注带置信度； 2. 设计人机协同的标注工作流：模型预标注 → 置信度自动初筛 → 人工抽检（比例可配，目标 ≤10%）→ 不达标的退回重标，对标注的准确率与单条成本同时负责； 3. 负责标注质量的评测体系：建立标注准确率的度量口径与回归集，让自动标注结果能否交付有可复算的结论； 4. 微调与适配开源多模态模型以贴合具身场景，控制推理成本与吞吐，把标注算子做成可在处理管线里编排、可批量调度的节点； 5. 与产品、算法团队协作，把标注体系对齐客户的作业规范与原子技能库，并把标注结论输出为可对外交付的数据集字段； 6. 为数据评估方向的筛选提供语义特征：标注结果与置信度是价值评估与难例识别的输入之一。任职要求1、2027 届硕士及以上学历，计算机视觉、机器学习或相关专业； 2、深入理解生成式视觉语言模型（Qwen3-VL、InternVL3 一类），有微调（SFT / LoRA）与推理部署的实操；用过长上下文视频模型做时序理解与秒级定位； 3、熟练使用 Python 与 PyTorch，能独立完成从数据准备、模型微调、批量推理到结果评估的完整链路； 4、熟悉开放词汇检测与视频分割（Grounding DINO、SAM 2 一类）在标注链路中的应用，能用它们做手物接触一类的事件判定； 5、有标注质量度量与一致性管理的实践，能把标注正确率变成可复算的指标； 6、具备工程成本意识：清楚一条标注的算力成本与准确率之间怎么权衡； 7、熟练使用 Claude Code、Codex 等 AI 编码工具，熟悉 Agent 框架与工作流编排。 加分项 1、有自动标注或数据引擎方向的项目、实习或论文； 2、有多模态大模型评测体系搭建经历； 3、熟悉具身或自动驾驶场景的数据标注规范。
