主分类：AI训练数据标注与评测运营
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "多模态数据建设实习生-【可灵AI专项】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D15389",
"location": "Beijing",
"work_mode": "未披露",AI生成
"job_category": "J0011"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": "计算机、人工智能、软件工程、数据科学、自动化、电子信息、数学等相关专业在读本科、硕士或博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "多模态数据建设实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、多模态基座模型数据建设：参与 Kling-Keye 多模态基座模型的数据迭代工作，覆盖图像、视频、文本、音频及跨模态交互数据，围绕模型预训练、指令微调、偏好对齐与能力增强等阶段，协助构建高质量、多样化、可规模化复用的数据资产；\n2、大规模任务体系设计与样本构建：参与建立面向多模态大模型的大规模任务体系，覆盖图像理解、视频理解、文本推理、跨模态问答、OCR、Caption、复杂指令遵循、Agent 工具调用、多轮交互、长上下文理解等方向，基于真实业务场景拆解模型能力需求，设计任务模板、标注规范与样本构造流程，持续产出优质训练样本；\n3、Agent 数据迭代与复杂任务构建：围绕 Agent 的推理规划、工具调用、任务执行、结果校验、多轮反馈等核心能力，参与构建高质量 Agent 数据集，支持从开放域任务、业务场景、用户反馈和模型 badcase 中沉淀可训练样本，提升模型在复杂任务中的理解、决策与执行能力；\n4、RL / 偏好数据建设支持：参与强化学习与偏好对齐相关数据建设，包括偏好样本设计、候选回答对比、奖励信号构建、规则校验、模型输出评估及人工反馈数据整理。支持 RLHF、RLAIF、DPO/GRPO 等训练流程中的数据准备与质量分析，帮助模型在真实业务目标上持续优化；\n5、数据质量评估与飞轮迭代：参与多模态数据的清洗、筛选、质检、去重、难度分层与质量评估，协助建立数据质量指标与数据看板，基于模型训练效果、评测结果、用户反馈和线上 badcase，分析数据短板，推动“业务反馈-数据构建-模型训练-效果评估”的闭环迭代；\n6、前沿数据方法调研与落地：跟踪多模态数据合成、自动标注、模型辅助质检、Agent 轨迹生成、RL 数据构建、数据选择与数据配比等前沿方法，参与实验复现与效果分析，将可行方案应用到 Kling-Keye 数据生产流程中。\n\n任职要求\n1、计算机、人工智能、软件工程、数据科学、自动化、电子信息、数学等相关专业在读本科、硕士或博士，熟悉机器学习、深度学习、多模态大模型或自然语言处理方向者优先；\n2、对高质量数据如何影响大模型能力有基本理解，具备良好的任务拆解能力和数据敏感度，能够围绕模型能力目标设计任务、构造样本、分析 badcase，并持续优化数据质量；\n3、了解图像、视频、文本、OCR、Caption、VQA、多轮对话、Agent、工具调用等多模态任务形态，具备多模态数据标注、清洗、评估、Prompt 设计或指令数据构建经验者优先；\n4、熟练使用 Python，具备基础的数据处理、脚本开发、自动化分析和可视化能力，熟悉 Pandas、SQL、Hive、Spark、数据标注平台、评测平台或大规模数据处理流程者优先；\n5、了解 RLHF、RLAIF、DPO、偏好数据、奖励模型、自动评测或模型对齐流程者优先，有大模型训练数据、偏好数据、Agent 轨迹数据或合成数据构建经验者优先。\n加分项，有以下经验者优先：\n1、参与过多模态大模型、Agent、数据合成、模型评测相关项目；\n2、熟悉 OpenAI / Claude / Gemini / Qwen / InternVL / LLaVA 等模型能力与调用方式；\n3、有高质量开源项目、论文、竞赛、实习或复杂数据项目经验；\n4、对 AIGC、视频生成、图像理解、智能 Agent、Data-centric AI 有浓厚兴趣；\n5、对大模型数据建设有强烈兴趣，认同高质量数据在模型能力提升和商业化落地中的核心价值；\n6、学习能力强，执行力强，能够在开放问题中快速拆解任务、推动落地并复盘效果；\n7、具备良好的沟通协作能力，能够与算法、工程、产品、标注和业务团队高效配合。",
"requirements_text": "多模态数据建设实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、多模态基座模型数据建设：参与 Kling-Keye 多模态基座模型的数据迭代工作，覆盖图像、视频、文本、音频及跨模态交互数据，围绕模型预训练、指令微调、偏好对齐与能力增强等阶段，协助构建高质量、多样化、可规模化复用的数据资产；\n2、大规模任务体系设计与样本构建：参与建立面向多模态大模型的大规模任务体系，覆盖图像理解、视频理解、文本推理、跨模态问答、OCR、Caption、复杂指令遵循、Agent 工具调用、多轮交互、长上下文理解等方向，基于真实业务场景拆解模型能力需求，设计任务模板、标注规范与样本构造流程，持续产出优质训练样本；\n3、Agent 数据迭代与复杂任务构建：围绕 Agent 的推理规划、工具调用、任务执行、结果校验、多轮反馈等核心能力，参与构建高质量 Agent 数据集，支持从开放域任务、业务场景、用户反馈和模型 badcase 中沉淀可训练样本，提升模型在复杂任务中的理解、决策与执行能力；\n4、RL / 偏好数据建设支持：参与强化学习与偏好对齐相关数据建设，包括偏好样本设计、候选回答对比、奖励信号构建、规则校验、模型输出评估及人工反馈数据整理。支持 RLHF、RLAIF、DPO/GRPO 等训练流程中的数据准备与质量分析，帮助模型在真实业务目标上持续优化；\n5、数据质量评估与飞轮迭代：参与多模态数据的清洗、筛选、质检、去重、难度分层与质量评估，协助建立数据质量指标与数据看板，基于模型训练效果、评测结果、用户反馈和线上 badcase，分析数据短板，推动“业务反馈-数据构建-模型训练-效果评估”的闭环迭代；\n6、前沿数据方法调研与落地：跟踪多模态数据合成、自动标注、模型辅助质检、Agent 轨迹生成、RL 数据构建、数据选择与数据配比等前沿方法，参与实验复现与效果分析，将可行方案应用到 Kling-Keye 数据生产流程中。\n\n任职要求\n1、计算机、人工智能、软件工程、数据科学、自动化、电子信息、数学等相关专业在读本科、硕士或博士，熟悉机器学习、深度学习、多模态大模型或自然语言处理方向者优先；\n2、对高质量数据如何影响大模型能力有基本理解，具备良好的任务拆解能力和数据敏感度，能够围绕模型能力目标设计任务、构造样本、分析 badcase，并持续优化数据质量；\n3、了解图像、视频、文本、OCR、Caption、VQA、多轮对话、Agent、工具调用等多模态任务形态，具备多模态数据标注、清洗、评估、Prompt 设计或指令数据构建经验者优先；\n4、熟练使用 Python，具备基础的数据处理、脚本开发、自动化分析和可视化能力，熟悉 Pandas、SQL、Hive、Spark、数据标注平台、评测平台或大规模数据处理流程者优先；\n5、了解 RLHF、RLAIF、DPO、偏好数据、奖励模型、自动评测或模型对齐流程者优先，有大模型训练数据、偏好数据、Agent 轨迹数据或合成数据构建经验者优先。\n加分项，有以下经验者优先：\n1、参与过多模态大模型、Agent、数据合成、模型评测相关项目；\n2、熟悉 OpenAI / Claude / Gemini / Qwen / InternVL / LLaVA 等模型能力与调用方式；\n3、有高质量开源项目、论文、竞赛、实习或复杂数据项目经验；\n4、对 AIGC、视频生成、图像理解、智能 Agent、Data-centric AI 有浓厚兴趣；\n5、对大模型数据建设有强烈兴趣，认同高质量数据在模型能力提升和商业化落地中的核心价值；\n6、学习能力强，执行力强，能够在开放问题中快速拆解任务、推动落地并复盘效果；\n7、具备良好的沟通协作能力，能够与算法、工程、产品、标注和业务团队高效配合。",
"skills": [AI生成
"Python",
"SQL",
"Spark",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"数据标注",
"模型训练",
"学习能力",
"招聘",
"大语言模型"
],
"preferred_qualifications": "1、计算机、人工智能、软件工程、数据科学、自动化、电子信息、数学等相关专业在读本科、硕士或博士，熟悉机器学习、深度学习、多模态大模型或自然语言处理方向者优先；3、了解图像、视频、文本、OCR、Caption、VQA、多轮对话、Agent、工具调用等多模态任务形态，具备多模态数据标注、清洗、评估、Prompt 设计或指令数据构建经验者优先；4、熟练使用 Python，具备基础的数据处理、脚本开发、自动化分析和可视化能力，熟悉 Pandas、SQL、Hive、Spark、数据标注平台、评测平台或大规模数据处理流程者优先；5、了解 RLHF、RLAIF、DPO、偏好数据、奖励模型、自动评测或模型对齐流程者优先，有大模型训练数据、偏好数据、Agent 轨迹数据或合成数据构建经验者优先；加分项，有以下经验者优先：",
"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/32344"
}
]
},
"posting": {
"posting_id": "32344",
"post_date": "2026-08-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/32344"
},
"fulltext": "多模态数据建设实习生-【可灵AI专项】\n多模态数据建设实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、多模态基座模型数据建设：参与 Kling-Keye 多模态基座模型的数据迭代工作，覆盖图像、视频、文本、音频及跨模态交互数据，围绕模型预训练、指令微调、偏好对齐与能力增强等阶段，协助构建高质量、多样化、可规模化复用的数据资产；\n2、大规模任务体系设计与样本构建：参与建立面向多模态大模型的大规模任务体系，覆盖图像理解、视频理解、文本推理、跨模态问答、OCR、Caption、复杂指令遵循、Agent 工具调用、多轮交互、长上下文理解等方向，基于真实业务场景拆解模型能力需求，设计任务模板、标注规范与样本构造流程，持续产出优质训练样本；\n3、Agent 数据迭代与复杂任务构建：围绕 Agent 的推理规划、工具调用、任务执行、结果校验、多轮反馈等核心能力，参与构建高质量 Agent 数据集，支持从开放域任务、业务场景、用户反馈和模型 badcase 中沉淀可训练样本，提升模型在复杂任务中的理解、决策与执行能力；\n4、RL / 偏好数据建设支持：参与强化学习与偏好对齐相关数据建设，包括偏好样本设计、候选回答对比、奖励信号构建、规则校验、模型输出评估及人工反馈数据整理。支持 RLHF、RLAIF、DPO/GRPO 等训练流程中的数据准备与质量分析，帮助模型在真实业务目标上持续优化；\n5、数据质量评估与飞轮迭代：参与多模态数据的清洗、筛选、质检、去重、难度分层与质量评估，协助建立数据质量指标与数据看板，基于模型训练效果、评测结果、用户反馈和线上 badcase，分析数据短板，推动“业务反馈-数据构建-模型训练-效果评估”的闭环迭代；\n6、前沿数据方法调研与落地：跟踪多模态数据合成、自动标注、模型辅助质检、Agent 轨迹生成、RL 数据构建、数据选择与数据配比等前沿方法，参与实验复现与效果分析，将可行方案应用到 Kling-Keye 数据生产流程中。\n\n任职要求\n1、计算机、人工智能、软件工程、数据科学、自动化、电子信息、数学等相关专业在读本科、硕士或博士，熟悉机器学习、深度学习、多模态大模型或自然语言处理方向者优先；\n2、对高质量数据如何影响大模型能力有基本理解，具备良好的任务拆解能力和数据敏感度，能够围绕模型能力目标设计任务、构造样本、分析 badcase，并持续优化数据质量；\n3、了解图像、视频、文本、OCR、Caption、VQA、多轮对话、Agent、工具调用等多模态任务形态，具备多模态数据标注、清洗、评估、Prompt 设计或指令数据构建经验者优先；\n4、熟练使用 Python，具备基础的数据处理、脚本开发、自动化分析和可视化能力，熟悉 Pandas、SQL、Hive、Spark、数据标注平台、评测平台或大规模数据处理流程者优先；\n5、了解 RLHF、RLAIF、DPO、偏好数据、奖励模型、自动评测或模型对齐流程者优先，有大模型训练数据、偏好数据、Agent 轨迹数据或合成数据构建经验者优先。\n加分项，有以下经验者优先：\n1、参与过多模态大模型、Agent、数据合成、模型评测相关项目；\n2、熟悉 OpenAI / Claude / Gemini / Qwen / InternVL / LLaVA 等模型能力与调用方式；\n3、有高质量开源项目、论文、竞赛、实习或复杂数据项目经验；\n4、对 AIGC、视频生成、图像理解、智能 Agent、Data-centric AI 有浓厚兴趣；\n5、对大模型数据建设有强烈兴趣，认同高质量数据在模型能力提升和商业化落地中的核心价值；\n6、学习能力强，执行力强，能够在开放问题中快速拆解任务、推动落地并复盘效果；\n7、具备良好的沟通协作能力，能够与算法、工程、产品、标注和业务团队高效配合。\n多模态数据建设实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、多模态基座模型数据建设：参与 Kling-Keye 多模态基座模型的数据迭代工作，覆盖图像、视频、文本、音频及跨模态交互数据，围绕模型预训练、指令微调、偏好对齐与能力增强等阶段，协助构建高质量、多样化、可规模化复用的数据资产；\n2、大规模任务体系设计与样本构建：参与建立面向多模态大模型的大规模任务体系，覆盖图像理解、视频理解、文本推理、跨模态问答、OCR、Caption、复杂指令遵循、Agent 工具调用、多轮交互、长上下文理解等方向，基于真实业务场景拆解模型能力需求，设计任务模板、标注规范与样本构造流程，持续产出优质训练样本；\n3、Agent 数据迭代与复杂任务构建：围绕 Agent 的推理规划、工具调用、任务执行、结果校验、多轮反馈等核心能力，参与构建高质量 Agent 数据集，支持从开放域任务、业务场景、用户反馈和模型 badcase 中沉淀可训练样本，提升模型在复杂任务中的理解、决策与执行能力；\n4、RL / 偏好数据建设支持：参与强化学习与偏好对齐相关数据建设，包括偏好样本设计、候选回答对比、奖励信号构建、规则校验、模型输出评估及人工反馈数据整理。支持 RLHF、RLAIF、DPO/GRPO 等训练流程中的数据准备与质量分析，帮助模型在真实业务目标上持续优化；\n5、数据质量评估与飞轮迭代：参与多模态数据的清洗、筛选、质检、去重、难度分层与质量评估，协助建立数据质量指标与数据看板，基于模型训练效果、评测结果、用户反馈和线上 badcase，分析数据短板，推动“业务反馈-数据构建-模型训练-效果评估”的闭环迭代；\n6、前沿数据方法调研与落地：跟踪多模态数据合成、自动标注、模型辅助质检、Agent 轨迹生成、RL 数据构建、数据选择与数据配比等前沿方法，参与实验复现与效果分析，将可行方案应用到 Kling-Keye 数据生产流程中。\n\n任职要求\n1、计算机、人工智能、软件工程、数据科学、自动化、电子信息、数学等相关专业在读本科、硕士或博士，熟悉机器学习、深度学习、多模态大模型或自然语言处理方向者优先；\n2、对高质量数据如何影响大模型能力有基本理解，具备良好的任务拆解能力和数据敏感度，能够围绕模型能力目标设计任务、构造样本、分析 badcase，并持续优化数据质量；\n3、了解图像、视频、文本、OCR、Caption、VQA、多轮对话、Agent、工具调用等多模态任务形态，具备多模态数据标注、清洗、评估、Prompt 设计或指令数据构建经验者优先；\n4、熟练使用 Python，具备基础的数据处理、脚本开发、自动化分析和可视化能力，熟悉 Pandas、SQL、Hive、Spark、数据标注平台、评测平台或大规模数据处理流程者优先；\n5、了解 RLHF、RLAIF、DPO、偏好数据、奖励模型、自动评测或模型对齐流程者优先，有大模型训练数据、偏好数据、Agent 轨迹数据或合成数据构建经验者优先。\n加分项，有以下经验者优先：\n1、参与过多模态大模型、Agent、数据合成、模型评测相关项目；\n2、熟悉 OpenAI / Claude / Gemini / Qwen / InternVL / LLaVA 等模型能力与调用方式；\n3、有高质量开源项目、论文、竞赛、实习或复杂数据项目经验；\n4、对 AIGC、视频生成、图像理解、智能 Agent、Data-centric AI 有浓厚兴趣；\n5、对大模型数据建设有强烈兴趣，认同高质量数据在模型能力提升和商业化落地中的核心价值；\n6、学习能力强，执行力强，能够在开放问题中快速拆解任务、推动落地并复盘效果；\n7、具备良好的沟通协作能力，能够与算法、工程、产品、标注和业务团队高效配合。\n多模态数据建设实习生-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15389\n发布时间：2026-08-27\n\n岗位职责\n1、多模态基座模型数据建设：参与 Kling-Keye 多模态基座模型的数据迭代工作，覆盖图像、视频、文本、音频及跨模态交互数据，围绕模型预训练、指令微调、偏好对齐与能力增强等阶段，协助构建高质量、多样化、可规模化复用的数据资产；\n2、大规模任务体系设计与样本构建：参与建立面向多模态大模型的大规模任务体系，覆盖图像理解、视频理解、文本推理、跨模态问答、OCR、Caption、复杂指令遵循、Agent 工具调用、多轮交互、长上下文理解等方向，基于真实业务场景拆解模型能力需求，设计任务模板、标注规范与样本构造流程，持续产出优质训练样本；\n3、Agent 数据迭代与复杂任务构建：围绕 Agent 的推理规划、工具调用、任务执行、结果校验、多轮反馈等核心能力，参与构建高质量 Agent 数据集，支持从开放域任务、业务场景、用户反馈和模型 badcase 中沉淀可训练样本，提升模型在复杂任务中的理解、决策与执行能力；\n4、RL / 偏好数据建设支持：参与强化学习与偏好对齐相关数据建设，包括偏好样本设计、候选回答对比、奖励信号构建、规则校验、模型输出评估及人工反馈数据整理。支持 RLHF、RLAIF、DPO/GRPO 等训练流程中的数据准备与质量分析，帮助模型在真实业务目标上持续优化；\n5、数据质量评估与飞轮迭代：参与多模态数据的清洗、筛选、质检、去重、难度分层与质量评估，协助建立数据质量指标与数据看板，基于模型训练效果、评测结果、用户反馈和线上 badcase，分析数据短板，推动“业务反馈-数据构建-模型训练-效果评估”的闭环迭代；\n6、前沿数据方法调研与落地：跟踪多模态数据合成、自动标注、模型辅助质检、Agent 轨迹生成、RL 数据构建、数据选择与数据配比等前沿方法，参与实验复现与效果分析，将可行方案应用到 Kling-Keye 数据生产流程中。\n\n任职要求\n1、计算机、人工智能、软件工程、数据科学、自动化、电子信息、数学等相关专业在读本科、硕士或博士，熟悉机器学习、深度学习、多模态大模型或自然语言处理方向者优先；\n2、对高质量数据如何影响大模型能力有基本理解，具备良好的任务拆解能力和数据敏感度，能够围绕模型能力目标设计任务、构造样本、分析 badcase，并持续优化数据质量；\n3、了解图像、视频、文本、OCR、Caption、VQA、多轮对话、Agent、工具调用等多模态任务形态，具备多模态数据标注、清洗、评估、Prompt 设计或指令数据构建经验者优先；\n4、熟练使用 Python，具备基础的数据处理、脚本开发、自动化分析和可视化能力，熟悉 Pandas、SQL、Hive、Spark、数据标注平台、评测平台或大规模数据处理流程者优先；\n5、了解 RLHF、RLAIF、DPO、偏好数据、奖励模型、自动评测或模型对齐流程者优先，有大模型训练数据、偏好数据、Agent 轨迹数据或合成数据构建经验者优先。\n加分项，有以下经验者优先：\n1、参与过多模态大模型、Agent、数据合成、模型评测相关项目；\n2、熟悉 OpenAI / Claude / Gemini / Qwen / InternVL / LLaVA 等模型能力与调用方式；\n3、有高质量开源项目、论文、竞赛、实习或复杂数据项目经验；\n4、对 AIGC、视频生成、图像理解、智能 Agent、Data-centric AI 有浓厚兴趣；\n5、对大模型数据建设有强烈兴趣，认同高质量数据在模型能力提升和商业化落地中的核心价值；\n6、学习能力强，执行力强，能够在开放问题中快速拆解任务、推动落地并复盘效果；\n7、具备良好的沟通协作能力，能够与算法、工程、产品、标注和业务团队高效配合。",
"standard_classification": {
"std_category_code": "B010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}