【岗位职责】 1、面向煤矿井下人员、设备、环境、异常工况等识别任务，建设视觉/多模态数据处理流程，提升数据覆盖度、质量和训练有效性。 2、设计并实现数据清洗、去重、增强、质量评估等管线，重点解决井下低照度、粉尘、水雾、遮挡、视角受限等场景下的数据退化问题。 3、搭建模型预标注与人工校验结合的数据闭环流程，利用主动学习策略并结合特征聚类、语义检索等方式筛选难例、低置信样本和高价值样本，提升标注效率与模型迭代效率。 4、探索扩散模型、可控生成或图像编辑技术，用于稀缺场景、异常工况和边界样本的数据补充，并评估合成数据对真实测试集性能的实际贡献。 5、制定煤矿场景标注规范、元数据字段和数据集版本管理机制，持续追踪不同数据版本对模型效果的影响。 【任职条件】 1.硕士研究生及以上学历，计算机视觉、人工智能相关专业； 2.具备数据驱动模型优化经验，能从误检、漏检、泛化不足等问题出发，定位数据覆盖、标注质量、样本分布或增强策略中的问题，并推动数据迭代。 3.熟练使用 Python，能够独立开发数据清洗、去重、增强、转换、统计分析和可视化工具，具备较好的工程实现能力。 4.熟悉至少一类数据提效技术：主动学习、自动标注、图像增强/复原、数据去重、难例挖掘、合成数据生成等。 5.了解视觉语言模型或多模态模型的数据处理方式，例如 CLIP、BLIP、SAM、Grounding DINO、LLaVA 等相关模型或工具链。 6.具备良好的问题拆解能力和工程判断力，能够与视觉算法、标注、产品和现场团队协作，推动数据闭环落地。 7.能接受一定程度的煤矿现场调研，理解真实业务场景中的数据采集、标注和验证约束。 8.优先条件：掌握多模态大模型训练、微调技术，熟练开展多模态大模型相关应用开发与落地优化工作。 【招聘对象】 高校应届毕业生或社会人员 专业要求：计算机类