哔哩哔哩｜后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模型后训练，研究 SFT、偏好优化和强化学习阶段的数据策略。你将从模型评测和用户需求出发，发现模型的能力短板，设计高质量指令、偏好及难例数据，并通过后训练实验持续提升模型的指令遵循、生成质量和复杂场景表现。 该岗位强调从模型问题出发进行数据归因，形成“评测—问题发现—数据构造—训练验证”的自动化数据飞轮。职位描述工作职责: 1. 面向视频生成模型的 SFT、偏好优化和强化学习，设计并构建高质量后训练数据。 2. 分析模型在指令遵循、主体一致性、动作生成、复杂运镜、时序稳定性、物理规律和视觉审美等方面的能力短板。 3. 建设细粒度评测和错误分类体系，对模型失败案例进行聚类、归因和优先级判断。 4. 研究难例挖掘、数据筛选、数据合成、拒绝采样、偏好构造和数据配比等策略。 5. 建设视频生成偏好数据，包括 Pairwise Ranking、评分标准、标注规范及质量控制机制。 6. 探索基于多模态模型、Reward Model 和自动评测器的数据生产与筛选方法，提升数据生产效率。 7. 与模型团队共同开展 SFT、DPO、Reward Fine-tuning、RL 等实验，分析不同数据策略对模型能力的影响。 8. 结合离线评测、人工反馈和实际使用反馈，形成“模型评测—数据归因—数据构造—训练验证”的后训练数据飞轮。

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。