Hire this AI Trainer
Sign in or create an account to invite AI Trainers to your job.
Video
Image
Text
Fine-tuning
Entity (NER) Classification
Question Answering
Text Generation
Classification
RLHF
Data Collection
Prompt + Response Writing (SFT)Multimodal AI Model Trainer. Has participated in text-to-image, text-to-video, and VQA annotation and quality-inspection projects. Brings 1+ years of professional experience with high accuracy and completeness in work and a strong sense of responsibility. Holds a bachelor’s degree. AI-training focus includes data types such as video, image, and text, and is familiar with labeling workflows including SFT and RL.
VideoPrompt + Response Writing (SFT)负责电商文生视频项目的数据生产与标注质检闭环，包含需求拆解、规则编写、标签挂载、人工标注与Badcase归因复盘。根据二值法与评分法等评测机制组织争议样本复核，并推动评测标准一致性以提升数据可训练性。通过在SFT流程中迭代caption结构与标注规范，支持模型在生成准确率与交付周期上的目标达成。• 承接产品需求并定义多模态视频数据类型与任务优先级。• 搭建“数据清洗—标签挂载—caption描述—人工标注—Badcase归因—规则迭代”的标准化流程并前置质检。• 进行Badcase三层归因（数据层/模型层/Prompt层）并闭环修正对应环节。• 基于Coze搭建自动化工作流以减少重复格式化与提升处理效率。
ImageFine-tuning负责电商文生图项目的数据标注、caption描述与多阶段训练数据构建，贯穿SFT、RL与DPO阶段的标注规则迭代。实施主图/详情图/场景图的图像筛选分类、三级标签体系搭建，并通过“描述-标签一致性双检”保障标注准确性。牵头GSB与评分法的量化评测及Badcase动态案例库维护，驱动跨批次缺陷归因与下一轮评测集构建。• 制定分类标签对照表并明确标注优先级。• 构建四段式结构化描述规范，支持Prompt与排序/配对训练样本生成。• 组织争议样本复核并维护评测一致性与客观性。• 建立Badcase动态案例库用于高频缺陷归因并修订标注规则。
TextEntity (NER) Classification在教育领域大语言模型项目中负责文本类数据标注，包括对模型问答进行多维语义分类与标签挂载。对回答内容的准确性、逻辑性与表达流畅性进行打分评估，并识别特殊问题类型以支撑训练与安全性改进。完成质检与按时交付，保证标注一致性与覆盖度。• 进行教育问答的语义分类与学科细分标签挂载。• 从准确性、逻辑性、表达流畅性等维度对模型响应打分。• 识别幻觉与偏好推理相关的特殊问题类型并反馈。• 参与质检流程，确保每周交付准确率稳定。
Bachelor of Arts, Accounting
Multimodal Model Training Engineer
Text Data Labeling Intern
