AI 数据工作流与多模态评测
一年 AI 数据训练经验,覆盖图片 Caption 数据生产与视频模型评测执行。
把模糊需求拆成可执行规范
围绕 AI 数据工程与训练数据生产,我把算法侧的模糊需求拆成标注同学可以执行的规范:明确数据形式、质量维度、反例边界、质检路径,让训练目标能稳定落到数据流程里。
代表案例
看看简历～
原始图片
双 VLM 并行打标描述
+ 一致性判定 + 裁判模型复核 合格质检 /
不合格精修
+ 一致性判定 + 裁判模型复核 合格质检 /
不合格精修
自动化工作流搭建
设计与艺术史背景
AI 行业敏感度
现居 北京, 中国WORK
需求拆解自动化分流质检验收
从需求拆解到 Bad Case 迭代,让训练数据从生产到验收形成可迭代的闭环。
Caption 工作流 新
图片清洗与 Caption 自动化工作流 · 百度
AI 数据工程
与多模态评测 点击查看完整经历
视频模型评测 新
多模态视频生成模型评测闭环 · 生数科技
核心指标
方法论
WORKFLOW
- 01细拆原有 SOP
- 02识别重复低效环节
- 03判断脚本 / PE 可解
- 04自动化分流
- 05简单数据机标
- 06难数据人标
把重复操作交给脚本或 Prompt Engineering，把复杂边界留给人工，提高人力资源的利用率，加速项目交付周期。
实习经历
实习经历
百度
2025.07 — 2026.01图片 Caption · 项目助理
参与大模型上线前 SFT 数据生产,搭建 Dify 清洗/标注 Workflow、动态准入测试集和艺术风格参考集。
- 清洗工作流累计处理图片约 8 万张
- Caption 机标率 47%
- 艺术风格准确率 85% → 92%
- 新人准入爬坡 4 天 → 1 天
生数科技
2026.01 — 2026.05多模态模型评测 · 执行岗
参与视频生成模型迭代期评测,覆盖版本评测、评测集维护和竞品横评。
- 个人评测准确率 96%
- 覆盖 T2V / I2V / R2V 任务形态
- 完成多个小版本评测
- 具备独立撰写评测报告能力