职业经历与能力体系
以“多模态数据架构”为基座，贯穿业务痛点剖析、数据规范制定、自动化提效、盲评仲裁与跨部门算法协同。
核心业务实践与角色
生树科技2026.03 — 2026.09
图像数据标注与评测（小组长）
自研图像生成模型视觉语言表达对齐与多版本评测决策 · 入职约 2 个月晋升小组长
业务背景与核心约束：公司自研图像生成模型处于快速迭代期。相较视频侧，图像单条标注成本更低但需求量大、批次密集、版本切换频繁。数据侧需支撑两条链路——细粒度图像描述数据用于对齐模型的视觉语言表达，版本评测数据用于横向对比、支撑上线决策。项目的核心约束不在标注产能，而在质量稳定性：批次节奏快于规范文档的迭代速度，口径一旦漂移即成批次性返工。
主要职责 (Key Responsibilities)
1. 图像数据标注为满足图文细节准确对应、画面要素完整覆盖的标注要求，按批次规范描述主体外观、动作及位置关系，补充构图、画风、光影色调并转写画面文字，对照原图核查遗漏与偏差；累计完成 600 余条细粒度描述，数据通过率达 97% 以上。
2. 图像模型评测为定位模型版本间的质量差异，对照样例按构图准确性、主体一致性、风格还原、文字渲染及指令遵循开展两两盲评与独立复评，核查判断一致性；统计各维度问题分布并提出数据优化建议，完成 8 份评测报告、覆盖 8 个版本，为算法团队迭代重点提供依据。
3. 众包小组抽检与返工管控针对细粒度标注口径易分歧的问题，先做新批次规则研判与小样本试跑并筛选质检人员；生产阶段按阈值持续抽检，区分个人问题与规范问题并及时纠偏，推动批次返工前置拦截，最终团队数据通过率稳定在 95% 以上、分歧率控制在 5% 以内。
4. 培训与规范体系建设针对规则频繁更新、众包同学理解不一，梳理批次变化并将规范转为可执行规则，结合 Bad Case 与边界 Case 完善 QA 与准入试标，按多维评分筛选质检人员；新人上手周期由 3 周缩短至 10 天，迭代 5 版 QA 文档。
主要成果 (Key Achievements)
✓标杆交付与质检把关：个人交付 600 余条复杂画面细粒度描述，达成全维度要素精准覆盖，首检通过率达 97% 以上，树立组内高精度标注样板。
✓团队质控与返工管控：统筹 10 人小组质检与抽检工作，落地双人独立抽检与分歧归因治理机制；小组平均通过率稳定在 95% 以上、标注分歧率降至 5% 以下，有效阻断批次性返工。
✓多版本评测与决策支撑：严格执行五维双盲评测与独立复评机制，输出 8 份版本横向评测报告，覆盖 8 个模型版本；通过问题分布归因明确算法短板，为迭代方向提供客观依据。
✓培训赋能与规范沉淀：建立「五层分解描述法」与正误样例带练体系，新人上手周期由 3 周缩短至约 10 天（提效超 50%）；主导迭代 5 版 QA 规范文档，统一全组执行口径并沉淀为团队资产。
稀宇科技（MiniMax）2025.07 — 2026.01
视频数据标注与评测（执行岗）
自研视频生成／理解模型游戏动画与 CG 垂类场景 · 宣传片、技能演出与过场 CG 数据构建
业务背景与核心约束：公司自研视频生成／理解模型处于快速迭代期，游戏动画与 CG 为重点垂类场景，下游覆盖宣传片、技能演出、过场 CG 等生成与理解任务。训练侧需要两类数据——高细粒度的「视频—文本对」用于模型习得该垂类特有的视觉语言，版本评测数据用于横向对比、决定上线节奏。该垂类的物理表现与镜头惯例和实拍视频差异显著，通用数据训练的模型易将技能特效误判为画面噪声、将角色位移判为穿模，须建立垂类专属的标注与评测口径。
主要职责 (Key Responsibilities)
1. 视频数据筛选整理与分类为提升训练数据质量、匹配广告与游戏 CG 及过场动画的生成需求，逐帧排查花屏、黑屏、水印等问题筛选有效视频；协助标注员完成片段整理与场景分类，梳理二维动画、单／多角色等标签并补充典型案例，累计筛选 143 条有效素材、整理 4 类标签及案例。
2. 游戏动画视频细粒度描述标注针对游戏动画时长较长、主体多变的特点，按镜头切分并挂载主体、动作、特效等五维标签，细化描述外形装备、行为交互、特效表现等画面细节，形成片段、标签与描述相对应的视频描述数据；累计完成 3200 条标注，合格率 96%、抽检一致率 94%。
3. 应用提示词工程与视频描述数据生成针对人工标注效率低、口径不一、规则复杂的问题，将规范拆为硬约束与软模块，设计主体、动作持续、特效、交互、镜头五维 Prompt，在 Dify 搭建流程，并以 Python 校验格式、Benchmark 筛选模型，使标注效率提升至 3 倍。
4. 参与评测集建设并执行模型版本对比为跟踪游戏动画模型的迭代表现，参与评测集构建，提出动作连贯性、肢体合理性、特效质量、主体一致性等六项评测维度；执行版本两两盲评，汇总各维度差异并反馈算法团队，累计构建 200 条样本数据、完成 8 组版本对比。
主要成果 (Key Achievements)
✓高质量交付与品控：交付 3200 条高细粒度描述数据，合格率 96%、抽检一致率 94%；完成 143 条垂类视频深度排查与素材筛选，实现底表素材「无花屏、无水印」零噪准入。
✓流程与 Prompt 提效：将多维标注规范转化为结构化 Prompt，落地「Prompt 初标 + 标签组合增广 + 人工质检」半自动标注工作流，推动数据标注效率提升近 3 倍。
✓评测体系与决策支撑：确立游戏动画 6 大评测维度并构建 200 条基准评测集；主导 8 组模型版本两两双盲评测，差异归因结论直接反哺算法优化与上线节奏把控。
✓资产与规范沉淀：提炼梳理二维动画与角色交互等 4 类核心场景标签库及典型案例；将五维标注规范固化为标准化锚点指南，拉齐组内标注口径并降低新人理解成本。
团队赋能与质控管理机制
10 人
统筹质控与抽检团队规模
入职约 2 个月晋升小组长，统筹 10 人质控团队
97%+
个人交付首检通过率
600+ 条高精度细粒度描述，全维度要素精准覆盖
< 5%
团队标注分歧率
落地双人独立抽检与分歧归因治理，有效阻断批次返工
10 天
新人上手周期
建立带练体系，新人周期由 3 周缩短至 10 天（提效超 50%）
质控 SOP 关键节点：
1. 准入测试
设立包含 30+ 典型 Boundary Case 的标准化考核卷，通过率达标方可进入项目流水线。
2. 每日抽检仲裁
抽检比例不低于 15%，遇到主观分歧即时归入仲裁样本库，定期组织校准会对齐尺度。
3. Bad Case 沉淀
将手部穿模、肢体畸变、光影矛盾等问题模块化归档，反哺 Prompt 优化与算法微调。
多模态技术栈与工具体系
多模态与生成式工具
Video-to-TextT2I / I2IPrompt EngineeringStable DiffusionMidjourneyMiniMax Video API
工程与自动化
Python 自动化脚本结构化 JSON 批处理参数化标签生成软硬约束逻辑数据清洗管线
视觉与审美基础
游戏过场 CG 镜头语言动画时序切片3D 骨骼与碰撞理解光影与渲染风格二次元艺术理解