岗位职责 高质量训练数据合成方案研究 调研并分析前沿的多模态大模型训练数据合成方法及最佳实践（例如CoSyn，MathCoderVL等） 多模态合成数据质量评估与迭代优化 建立合成数据的质量评估体系（如图像合理性，图像-文本匹配度等），设计自动化拒绝采样策略 基于下游任务的反馈，持续迭代优化数据合成 prompt、渲染代码与生成参数 数据合成工具链开发与平台工程化 根据研究成果，设计并开发基于代码渲染（例如LaTeX/Matplotlib/pyblender 等）的各类多模态数据合成工具链 构建并调优数据合成管线的核心模块，包括 prompt 模板库、渲染引擎调度、LLM/VLM 调用等模块 职位要求： 教育背景： 研究生在读，计算机/人工智能相关专业优先 技术能力： 熟悉Python编程语言，了解图像数据处理和分析的基本方法和工具。 多模态大模型原理理解： 对大模型基础原理，大模型训练数据（文本&图像）有一定的理解。 多模态数据合成经验： 具备基于代码生成合成图像的实践经验，熟悉至少一种渲染工具（例如Matplotlib、HTML/CSS、LaTeX、SVG等） 有使用 LLM/VLM API（GPT、Claude、Gemini 等）进行自动化数据生成的经验 了解合成数据质量评估方法，知晓不同domain的合成数据该用何种标准进行质量评估 学习能力： 具备利用大模型相关工具，快速学习和适应新知识、新技能的能力。 团队合作： 良好的沟通能力和团队合作精神，能够与团队成员密切合作。 实习时间： 持续3个月，可以6个月以上者优先 工作地点： 北京市海淀区苏州街大恒科技大厦 线下办公
