具身智能数据挖掘工程师（Seed） - Seed Model

职位描述

团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。

Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。

1、设计并实现机器人多模态数据挖掘策略与算法，从海量采集数据中自动识别高价值样本、难例与长尾场景，构建数据价值评分体系；

2、基于统计分析与机器学习方法，开展数据多样性分析、分布偏移检测与数据质量评估，为训练数据配比和采样策略提供决策依据；

3、搭建主动学习与数据筛选闭环，结合模型反馈自动挖掘模型薄弱环节对应的关键数据，驱动模型能力定向提升；

4、参与模型评估体系建设，通过数据挖掘手段定位模型失败案例的共性模式，为模型优化提供可追溯的数据洞察。

任职要求

1、对机器人系统、人工智能训练、数据平台等方向有浓厚兴趣，愿意深入理解机器人“大脑”的构建逻辑；

2、精通Python或Golang至少一种编程语言，能够开发高效、可扩展的数据处理工具；

3、具备图像/视频/多模态数据处理经验，熟悉数据处理、格式转换、时间同步等处理流程；

4、具备自动标注、数据质检、数据多样性分析或评测集构建经验者优先；

5、熟悉分布式计算或大数据处理框架（如Ray、Daft等）或AI数据湖者优先；

6、有海量数据处理平台、数据调度系统、数据流/批一体框架使用或开发经验者优先。

加分项

1、你对“数据驱动智能”的理念有认同感，能够从机器人任务的角度理解数据挖掘的价值；

2、有参与过机器人系统、仿真环境或大模型训练任务的项目经验；

3、有VLM/VLA训练调优经验者优先；

4、有主动学习、难例挖掘、数据价值评估相关研究或实践经验者优先。