三年 AI 数据服务经验，做过视频评测、多模态视频标注、SFT 对话文本项目。核心能力是把抽象的视觉概念——镜头运动、主体一致性、材质表现——拆解成标注员能看懂、算法能用的标准。
擅长用脚本和工具做自动化提效，也习惯从数据里找规律，持续优化 SOP 与质检流程。
几个关键数字，说明数据质量上能做到什么程度。
把工作经历中的四大职责，拆成我的真实能力。
三段经历覆盖评测、标注、SFT 数据，都指向同一能力：把模型需求变成可训练的数据资产。
四个真实项目片段，说明问题、方法、输出与结果。
企业内视频生成模型效果脱离业务实际，商品细节失真、主体一致性差、风格单一。
视频生成模型细节处理能力不足，需要系统性训练数据建设。
人工标注与模型评测必然存在错误，关键在早发现、快修复、避免重复犯错。
评测与标注是人力密集型工作，标准化培训、绩效体系与工具支持决定交付质量。
三个文档形成标准 → 执行 → 沉淀的闭环：SOP 规范标注动作，QC 报告验证质量，badcase 知识库沉淀错误规律。
这份作品集基于真实项目经历整理，会根据项目复盘及时反馈与持续迭代。
加入一个视频数据团队，做「让模型看得更准、学得更稳」的标注标准与质量工作。长期希望向交互世界方向发展，深入理解数据如何驱动模型迭代。