AIGC图像数据工程师 Beijing Full-time R&D - Data mining Responsibilities - 负责图像与多模态数据全生命周期建设：围绕业务目标与模型训练需求，搭建数据获取 → 清洗 → 标注/弱标注 → 评估 → 版本管理 → 回流迭代的闭环流程。- 参与端到端多模态统一模型的数据体系：图文交错序列、多轮长轨迹、理解 + 生成联合数据、跨帧一致性（角色/场景/光线/风格/世界观）数据的构造、清洗、标注与配比。- 数据采集与合规治理：推进数据来源梳理、授权/版权风险排查、敏感内容过滤与安全策略落地，建立可审计的数据资产规范。- 清洗与质量提升：实现去重（近重复/语义重复）、质量筛选（清晰度/噪声/美学/主体完整性等）、异常检测（NSFW/水印/低质/违规）与长尾数据治理。- 数据标注体系建设：设计并迭代标注 schema（caption、tag、属性、风格、构图、人物/商品信息、图文交错结构、多轮对话轨迹等），制定标注指南与质检规则，推动标注一致性与效率提升。- 难例挖掘与数据配比：围绕线上问题（如一致性、可控性、编辑失败、风格偏移、长程一致衰减等）挖掘难例与负例，构建训练集/验证集配比策略与覆盖度分析。- 数据工程化与平台化：参与数据管线工程建设（ETL/调度/缓存/存储/索引），支持大规模数据处理与高吞吐读取，提升训练数据供给效率与稳定性。- 数据评估与可观测性：建立数据质量指标与报表（分布漂移、覆盖率、噪声率、标注一致性等），支持「数据 → 训练 → 评测」的问题定位。- 跨团队协作：与算法/训练工程/产品/运营协作，将业务问题沉淀为可复用的数据策略、工具链与最佳实践文档。 Qualifications
AIGC图像生成算法工程师 Beijing Full-time R&D - Algorithm Responsibilities - 基于业务目标与产品需求，负责团队图像生成/编辑模型与端到端多模态统一模型的训练迭代与落地，包括但不限于 SFT、偏好对齐 / RL（RLHF / DPO / GRPO 等）。- 负责端到端多模态原生统一模型（理解 + 生成一体）的训练与工程化：图文交错序列建模、统一 token 空间、理解–生成联合训练、原生长上下文与长程一致性的实现与优化。- 负责训练数据全流程建设：数据收集与清洗、质量评估、去重与过滤、难例挖掘、数据配比与版本管理，构建可持续迭代的数据体系与规范。- 负责训练管线与工程化建设：分布式训练（DeepSpeed/FSDP 等）、显存/吞吐优化、checkpoint 管理、训练监控与故障排查，持续提升训练效率与稳定性。- 设计并实现图像/多模态生成质量评估体系：自动指标（CLIP/美学/一致性/可控性/长程一致等）+ 人工评测流程，建立「评测→诊断→迭代」的闭环。- 跟进前沿论文与开源生态（Diffusers/ComfyUI/SD 系列、DiT/Flow Matching，以及自回归多模态、图文交错生成、统一理解-生成模型、长上下文推理/serving），结合业务场景完成复现、改进、实验对比与 A/B 验证。- 跨团队协作（产品/工程/运营），将模型能力沉淀为可复用的训练策略、数据策略与最佳实践文档，推动生产化交付。 Qualifications -
