哔哩哔哩｜预训练数据算法实习生（视频生成方向）

职位亮点面向视频生成基模型预训练，研究多模态数据的内容、质量与分布对模型能力的影响。你将参与大规模视频及图文数据的理解、分析和策略设计，从数据视角改善模型的世界知识、运动表现、物理规律、镜头语言和视觉质量。职位描述工作职责: 1. 分析大规模视频、图像及文本数据的内容分布、质量、多样性、冗余度、长尾覆盖和缺失模式。 2. 建设多模态数据理解能力，包括 embedding、检索、聚类、分类、标签体系、Caption 和质量评估。 3. 研究并落地数据清洗、去重、召回、采样、数据配比和课程学习等策略，优化预训练数据组成。 4. 围绕人物、场景、动作、运镜、时序一致性、物理规律和审美等维度，建立视频数据分析与分层方法。 5. 与模型团队共同设计数据消融和对比实验，分析数据规模、质量及分布对模型能力的影响。 6. 持续识别预训练数据中的能力缺口，形成“数据分析—策略设计—训练实验—效果归因”的数据飞轮。 7. 参与大规模数据处理 Pipeline、数据分析平台和可视化工具建设，提高数据研究及生产效率。

1. 2027 届以后本科或研究生在读，计算机、人工智能、数学、统计学等相关专业优先。 2. 熟悉深度学习基础，了解多模态模型、视觉语言模型或视频生成模型的基本原理。 3. 对数据内容及分布敏感，能够从数据现象中发现问题、提出假设并设计实验验证。 4. 熟练使用 Python，掌握 PyTorch，具备良好的数据分析、统计和可视化能力。 5. 了解 embedding、向量检索、聚类、分类、去重或采样等常用算法。 6. 具备较强的研究能力和工程能力，能够独立定义问题并推动落地。 7. 每周可实习 4 天及以上，连续实习 3 个月以上，能长期实习者优先。