{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "多模态训练数据质量专家",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "D15304",
        "location": "Beijing",
        "work_mode": "未披露",AI生成
        "job_category": "J0012"AI生成
    },
    "company": {
        "company_name": "快手科技",
        "company_industry": "内容社区 / 直播 / 电商 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "kuaishou.com",
        "company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "多模态训练数据质量专家\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing\n所属部门：D15304\n发布时间：2026-07-22\n\n岗位职责\n1、数据质量定标与评测：负责视频/图像训练数据的质量体系搭建。制定数据采集、清洗、标注的质量准入标准，主导构建主观视觉评测集与客观指标（如FID、CMMD、PSNR等）相结合的自动化数据筛选流程；\n2、端到端内容评估：通过端到端测试、自动化质量评测及异常检测等手段，系统性识别链路中的问题与优化空间，协同链路算法与工程团队共同推动质量改进，守好质量底线；\n3、数据治理与闭环：建立数据缺陷追踪机制，针对低质量数据（如标注错误、画面过曝、构图失衡）制定修复或清洗策略，与算法团队对齐“数据质量”与“模型表现”的关联关系，持续提升数据资产价值；\n4、工程协同与赋能：将质量诉求转化为工具链及平台需求，与工程团队紧密配合，推动QA能力从人工走查向自动化、规模化升级。\n\n任职要求\n1、本科及以上学历，3年以上质量管理、数据工程、图像/视频质量评测、数据治理或相关工作经验；\n2、具备极强的视频/图像质量感知能力。 对空域、时域失真敏感，能够快速识别压缩伪影、传感器噪声、运动模糊、过曝、欠曝、偏色、畸变、锐化过度、清晰度下降等问题，并能初步判断其技术原因，如采集硬件、编码链路、后处理或数据压缩策略等；\n3、理解大规模图像/视频数据管理流程。 熟悉数据采集、清洗、去重、标注、质检、入库、抽检、回流等流程，理解数据分布、多样性、噪声、重复样本、长尾样本对模型训练效果的影响，有实际数据清洗或去重经验；\n4、具备一定审美判断和视觉分析能力，能够对画面构图、色彩、清晰度、主体突出度、风格一致性等进行判断，并能将“主观观感问题”转化为可度量、可追踪的质量指标；\n5、具备扎实的逻辑分析和问题定位能力，能够独立设计质量评测方案，善于用数据分析问题、验证假设和推动决策；\n6、了解音视频数据处理链路、数据仓库架构、机器学习/大模型预训练流程，理解训练数据质量对模型效果的影响；\n7、具备良好的沟通协作能力和质量owner 意识，能够串联算法、工程、数据、标注、产品等多方团队，推动质量标准对齐和问题闭环。\n【加分项】\n1、有从0到1搭建数据质量/质检/治理体系经验；\n2、熟悉自动化测试框架、数据质量监控平台、标注平台或数据资产管理平台；\n3、熟悉视频编码、图像处理、AIGC数据生产、视频/图像/多模态模型训练流程；\n4、有大规模训练数据集构建、清洗、去重、质量评估经验；\n5、有主观评测体系建设经验（MOS、pairwise comparison、评分规范、一致性校验等）。",
        "requirements_text": "多模态训练数据质量专家\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing\n所属部门：D15304\n发布时间：2026-07-22\n\n岗位职责\n1、数据质量定标与评测：负责视频/图像训练数据的质量体系搭建。制定数据采集、清洗、标注的质量准入标准，主导构建主观视觉评测集与客观指标（如FID、CMMD、PSNR等）相结合的自动化数据筛选流程；\n2、端到端内容评估：通过端到端测试、自动化质量评测及异常检测等手段，系统性识别链路中的问题与优化空间，协同链路算法与工程团队共同推动质量改进，守好质量底线；\n3、数据治理与闭环：建立数据缺陷追踪机制，针对低质量数据（如标注错误、画面过曝、构图失衡）制定修复或清洗策略，与算法团队对齐“数据质量”与“模型表现”的关联关系，持续提升数据资产价值；\n4、工程协同与赋能：将质量诉求转化为工具链及平台需求，与工程团队紧密配合，推动QA能力从人工走查向自动化、规模化升级。\n\n任职要求\n1、本科及以上学历，3年以上质量管理、数据工程、图像/视频质量评测、数据治理或相关工作经验；\n2、具备极强的视频/图像质量感知能力。 对空域、时域失真敏感，能够快速识别压缩伪影、传感器噪声、运动模糊、过曝、欠曝、偏色、畸变、锐化过度、清晰度下降等问题，并能初步判断其技术原因，如采集硬件、编码链路、后处理或数据压缩策略等；\n3、理解大规模图像/视频数据管理流程。 熟悉数据采集、清洗、去重、标注、质检、入库、抽检、回流等流程，理解数据分布、多样性、噪声、重复样本、长尾样本对模型训练效果的影响，有实际数据清洗或去重经验；\n4、具备一定审美判断和视觉分析能力，能够对画面构图、色彩、清晰度、主体突出度、风格一致性等进行判断，并能将“主观观感问题”转化为可度量、可追踪的质量指标；\n5、具备扎实的逻辑分析和问题定位能力，能够独立设计质量评测方案，善于用数据分析问题、验证假设和推动决策；\n6、了解音视频数据处理链路、数据仓库架构、机器学习/大模型预训练流程，理解训练数据质量对模型效果的影响；\n7、具备良好的沟通协作能力和质量owner 意识，能够串联算法、工程、数据、标注、产品等多方团队，推动质量标准对齐和问题闭环。\n【加分项】\n1、有从0到1搭建数据质量/质检/治理体系经验；\n2、熟悉自动化测试框架、数据质量监控平台、标注平台或数据资产管理平台；\n3、熟悉视频编码、图像处理、AIGC数据生产、视频/图像/多模态模型训练流程；\n4、有大规模训练数据集构建、清洗、去重、质量评估经验；\n5、有主观评测体系建设经验（MOS、pairwise comparison、评分规范、一致性校验等）。",
        "skills": [AI生成
            "机器学习",
            "数据分析",
            "数据治理",
            "数据清洗",
            "模型训练",
            "自动化测试",
            "质量管理",
            "分析能力",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "【加分项】",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/31728"
            }
        ]
    },
    "posting": {
        "posting_id": "31728",
        "post_date": "2026-07-22",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/31728"
    },
    "fulltext": "多模态训练数据质量专家\n多模态训练数据质量专家\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing\n所属部门：D15304\n发布时间：2026-07-22\n\n岗位职责\n1、数据质量定标与评测：负责视频/图像训练数据的质量体系搭建。制定数据采集、清洗、标注的质量准入标准，主导构建主观视觉评测集与客观指标（如FID、CMMD、PSNR等）相结合的自动化数据筛选流程；\n2、端到端内容评估：通过端到端测试、自动化质量评测及异常检测等手段，系统性识别链路中的问题与优化空间，协同链路算法与工程团队共同推动质量改进，守好质量底线；\n3、数据治理与闭环：建立数据缺陷追踪机制，针对低质量数据（如标注错误、画面过曝、构图失衡）制定修复或清洗策略，与算法团队对齐“数据质量”与“模型表现”的关联关系，持续提升数据资产价值；\n4、工程协同与赋能：将质量诉求转化为工具链及平台需求，与工程团队紧密配合，推动QA能力从人工走查向自动化、规模化升级。\n\n任职要求\n1、本科及以上学历，3年以上质量管理、数据工程、图像/视频质量评测、数据治理或相关工作经验；\n2、具备极强的视频/图像质量感知能力。 对空域、时域失真敏感，能够快速识别压缩伪影、传感器噪声、运动模糊、过曝、欠曝、偏色、畸变、锐化过度、清晰度下降等问题，并能初步判断其技术原因，如采集硬件、编码链路、后处理或数据压缩策略等；\n3、理解大规模图像/视频数据管理流程。 熟悉数据采集、清洗、去重、标注、质检、入库、抽检、回流等流程，理解数据分布、多样性、噪声、重复样本、长尾样本对模型训练效果的影响，有实际数据清洗或去重经验；\n4、具备一定审美判断和视觉分析能力，能够对画面构图、色彩、清晰度、主体突出度、风格一致性等进行判断，并能将“主观观感问题”转化为可度量、可追踪的质量指标；\n5、具备扎实的逻辑分析和问题定位能力，能够独立设计质量评测方案，善于用数据分析问题、验证假设和推动决策；\n6、了解音视频数据处理链路、数据仓库架构、机器学习/大模型预训练流程，理解训练数据质量对模型效果的影响；\n7、具备良好的沟通协作能力和质量owner 意识，能够串联算法、工程、数据、标注、产品等多方团队，推动质量标准对齐和问题闭环。\n【加分项】\n1、有从0到1搭建数据质量/质检/治理体系经验；\n2、熟悉自动化测试框架、数据质量监控平台、标注平台或数据资产管理平台；\n3、熟悉视频编码、图像处理、AIGC数据生产、视频/图像/多模态模型训练流程；\n4、有大规模训练数据集构建、清洗、去重、质量评估经验；\n5、有主观评测体系建设经验（MOS、pairwise comparison、评分规范、一致性校验等）。\n多模态训练数据质量专家\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing\n所属部门：D15304\n发布时间：2026-07-22\n\n岗位职责\n1、数据质量定标与评测：负责视频/图像训练数据的质量体系搭建。制定数据采集、清洗、标注的质量准入标准，主导构建主观视觉评测集与客观指标（如FID、CMMD、PSNR等）相结合的自动化数据筛选流程；\n2、端到端内容评估：通过端到端测试、自动化质量评测及异常检测等手段，系统性识别链路中的问题与优化空间，协同链路算法与工程团队共同推动质量改进，守好质量底线；\n3、数据治理与闭环：建立数据缺陷追踪机制，针对低质量数据（如标注错误、画面过曝、构图失衡）制定修复或清洗策略，与算法团队对齐“数据质量”与“模型表现”的关联关系，持续提升数据资产价值；\n4、工程协同与赋能：将质量诉求转化为工具链及平台需求，与工程团队紧密配合，推动QA能力从人工走查向自动化、规模化升级。\n\n任职要求\n1、本科及以上学历，3年以上质量管理、数据工程、图像/视频质量评测、数据治理或相关工作经验；\n2、具备极强的视频/图像质量感知能力。 对空域、时域失真敏感，能够快速识别压缩伪影、传感器噪声、运动模糊、过曝、欠曝、偏色、畸变、锐化过度、清晰度下降等问题，并能初步判断其技术原因，如采集硬件、编码链路、后处理或数据压缩策略等；\n3、理解大规模图像/视频数据管理流程。 熟悉数据采集、清洗、去重、标注、质检、入库、抽检、回流等流程，理解数据分布、多样性、噪声、重复样本、长尾样本对模型训练效果的影响，有实际数据清洗或去重经验；\n4、具备一定审美判断和视觉分析能力，能够对画面构图、色彩、清晰度、主体突出度、风格一致性等进行判断，并能将“主观观感问题”转化为可度量、可追踪的质量指标；\n5、具备扎实的逻辑分析和问题定位能力，能够独立设计质量评测方案，善于用数据分析问题、验证假设和推动决策；\n6、了解音视频数据处理链路、数据仓库架构、机器学习/大模型预训练流程，理解训练数据质量对模型效果的影响；\n7、具备良好的沟通协作能力和质量owner 意识，能够串联算法、工程、数据、标注、产品等多方团队，推动质量标准对齐和问题闭环。\n【加分项】\n1、有从0到1搭建数据质量/质检/治理体系经验；\n2、熟悉自动化测试框架、数据质量监控平台、标注平台或数据资产管理平台；\n3、熟悉视频编码、图像处理、AIGC数据生产、视频/图像/多模态模型训练流程；\n4、有大规模训练数据集构建、清洗、去重、质量评估经验；\n5、有主观评测体系建设经验（MOS、pairwise comparison、评分规范、一致性校验等）。\n多模态训练数据质量专家\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing\n所属部门：D15304\n发布时间：2026-07-22\n\n岗位职责\n1、数据质量定标与评测：负责视频/图像训练数据的质量体系搭建。制定数据采集、清洗、标注的质量准入标准，主导构建主观视觉评测集与客观指标（如FID、CMMD、PSNR等）相结合的自动化数据筛选流程；\n2、端到端内容评估：通过端到端测试、自动化质量评测及异常检测等手段，系统性识别链路中的问题与优化空间，协同链路算法与工程团队共同推动质量改进，守好质量底线；\n3、数据治理与闭环：建立数据缺陷追踪机制，针对低质量数据（如标注错误、画面过曝、构图失衡）制定修复或清洗策略，与算法团队对齐“数据质量”与“模型表现”的关联关系，持续提升数据资产价值；\n4、工程协同与赋能：将质量诉求转化为工具链及平台需求，与工程团队紧密配合，推动QA能力从人工走查向自动化、规模化升级。\n\n任职要求\n1、本科及以上学历，3年以上质量管理、数据工程、图像/视频质量评测、数据治理或相关工作经验；\n2、具备极强的视频/图像质量感知能力。 对空域、时域失真敏感，能够快速识别压缩伪影、传感器噪声、运动模糊、过曝、欠曝、偏色、畸变、锐化过度、清晰度下降等问题，并能初步判断其技术原因，如采集硬件、编码链路、后处理或数据压缩策略等；\n3、理解大规模图像/视频数据管理流程。 熟悉数据采集、清洗、去重、标注、质检、入库、抽检、回流等流程，理解数据分布、多样性、噪声、重复样本、长尾样本对模型训练效果的影响，有实际数据清洗或去重经验；\n4、具备一定审美判断和视觉分析能力，能够对画面构图、色彩、清晰度、主体突出度、风格一致性等进行判断，并能将“主观观感问题”转化为可度量、可追踪的质量指标；\n5、具备扎实的逻辑分析和问题定位能力，能够独立设计质量评测方案，善于用数据分析问题、验证假设和推动决策；\n6、了解音视频数据处理链路、数据仓库架构、机器学习/大模型预训练流程，理解训练数据质量对模型效果的影响；\n7、具备良好的沟通协作能力和质量owner 意识，能够串联算法、工程、数据、标注、产品等多方团队，推动质量标准对齐和问题闭环。\n【加分项】\n1、有从0到1搭建数据质量/质检/治理体系经验；\n2、熟悉自动化测试框架、数据质量监控平台、标注平台或数据资产管理平台；\n3、熟悉视频编码、图像处理、AIGC数据生产、视频/图像/多模态模型训练流程；\n4、有大规模训练数据集构建、清洗、去重、质量评估经验；\n5、有主观评测体系建设经验（MOS、pairwise comparison、评分规范、一致性校验等）。",
    "standard_classification": {
        "std_category_code": "B009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}