Member of Technical Staff, Video Data & Model Evaluation

About Cantina:

Cantina Labs — это социальная AI-компания, разрабатывающая набор передовых моделей реального времени, которые расширяют границы выражения, личности и реализма. Мы оживляем персонажей, трансформируя то, как люди рассказывают истории, общаются и творят. Мы создаем и поддерживаем экосистемы. Cantina, наша флагманская платформа социальной AI, — это только начало.

About the Role:

Cantina ищет специалиста штата (Member of Technical Staff) для присоединения к нашей растущей исследовательской команде в Сингапуре. На этой должности вы будете формировать стратегии работы с данными и оценки для наших моделей генерации видео.

Вы будете отвечать за весь жизненный цикл данных — от определения требований к данным и стандартов аннотации до создания высококачественных наборов данных, оценки результатов работы моделей и преобразования выводов в действенные рекомендации по улучшению моделей. Вы будете тесно сотрудничать с научными сотрудниками, инженерами машинного обучения, продуктовыми командами и внешними партнерами по данным, чтобы укрепить обратную связь между данными, моделями и оценкой.

What You’ll Do

• Define quality standards for video generation across aesthetics, realism, composition, motion, temporal consistency, instruction following, subject consistency, editing preservation, and text rendering. (Определять стандарты качества для генерации видео по эстетике, реализму, композиции, движению, временной согласованности, следованию инструкциям, согласованности объектов, сохранению редактирования и рендерингу текста.)

• Evaluate model iterations, analyze failure patterns, and translate findings into actionable data, training, and prompting strategies. (Оценивать итерации моделей, анализировать закономерности сбоев и преобразовывать выводы в действенные стратегии работы с данными, обучения и составления запросов.)

• Own end-to-end training data projects, including sourcing, construction, annotation, captioning, quality control, and delivery. (Отвечать за проекты по обучению данных от начала до конца, включая поиск, создание, аннотацию, добавление подписей, контроль качества и доставку.)

• Develop labeling systems that support dataset segmentation, coverage analysis, quality filtering, training-data mixtures, and model performance attribution. (Разрабатывать системы маркировки, поддерживающие сегментацию наборов данных, анализ охвата, фильтрацию по качеству, смеси обучающих данных и атрибуцию производительности модели.)

• Design annotation and captioning standards for video generation, editing, and multi-reference tasks. (Разрабатывать стандарты аннотации и добавления подписей для генерации видео, редактирования и задач с несколькими ссылками.)

• Create and evaluate synthetic-data workflows based on their stability, usability, quality, and training value. (Создавать и оценивать рабочие процессы синтетических данных на основе их стабильности, удобства использования, качества и ценности для обучения.)

• Develop automated annotation and filtering workflows using vision-language models, system prompts, and quality-scoring models. (Разрабатывать автоматизированные рабочие процессы аннотации и фильтрации с использованием моделей «зрение-язык», системных запросов и моделей оценки качества.)

• Build structured model evaluation processes covering test-set design, evaluation criteria, failure attribution, and reporting. (Создавать структурированные процессы оценки моделей, охватывающие дизайн тестового набора, критерии оценки, атрибуцию сбоев и отчетность.)

• Establish feedback loops connecting model evaluation and negative-case analysis with data strategy and model iteration. (Устанавливать циклы обратной связи, связывающие оценку моделей и анализ негативных случаев со стратегией работы с данными и итерациями моделей.)

• Train and calibrate annotation teams and external data partners, conduct quality audits, and improve delivery standards. (Обучать и калибровать команды аннотаторов и внешних партнеров по данным, проводить аудиты качества и улучшать стандарты доставки.)

• Partner with research, engineering, product, and creative teams to execute data initiatives and identify future model capabilities. (Сотрудничать с исследовательскими, инженерными, продуктовыми и творческими командами для реализации инициатив по работе с данными и определения будущих возможностей моделей.)

What You’ll Bring

• Hands-on experience in data strategy, dataset development, annotation, or model evaluation for generative image, video, or multimodal models. (Практический опыт в области стратегии данных, разработки наборов данных, аннотации или оценки моделей для генеративных моделей изображений, видео или мультимодальных моделей.)

• Experience supporting model development across continued training, supervised fine-tuning, post-training, or evaluation. (Опыт поддержки разработки моделей в рамках непрерывного обучения, контролируемого дообучения (supervised fine-tuning), пост-обучения или оценки.)

• Strong understanding of generative media tasks, including image and video generation, multimodal generation, and instruction-based editing. (Глубокое понимание задач генерации медиа, включая генерацию изображений и видео, мультимодальную генерацию и редактирование на основе инструкций.)

• Experience developing labeling taxonomies, annotation guidelines, captioning standards, quality thresholds, and evaluation frameworks. (Опыт разработки таксономий маркировки, руководств по аннотации, стандартов добавления подписей, порогов качества и фреймворков оценки.)

• Strong visual judgment and the ability to translate subjective quality expectations into measurable data and evaluation standards. (Сильное визуальное восприятие и способность преобразовывать субъективные ожидания качества в измеримые данные и стандарты оценки.)

• Experience managing large-scale data-production or annotation projects and collaborating with research, engineering, creative, and external partner teams. (Опыт управления крупномасштабными проектами по производству данных или аннотации и сотрудничества с исследовательскими, инженерными, творческими командами и командами внешних партнеров.)

• Familiarity with automated captioning, synthetic-data generation, vision-language models, prompt design, Python, SQL, or other data and workflow automation tools is a plus. (Знакомство с автоматизированным добавлением подписей, генерацией синтетических данных, моделями «зрение-язык», дизайном запросов, Python, SQL или другими инструментами автоматизации данных и рабочих процессов будет плюсом.)

Benefits We Offer:

• Competitive salary and generous company equity (Конкурентная заработная плата и щедрая доля в компании)

• Personal time off and paid holidays (Личное время для отдыха и оплачиваемые праздники)

• Health insurance (Медицинская страховка)

• Global travel insurance: Covers you when traveling internationally (Глобальная туристическая страховка: Покрывает вас во время международных поездок)

• Monthly spending stipend: $500 (~S$635) (Ежемесячный бюджет на расходы: 500 долларов США (примерно 635 сингапурских долларов))

• Equipment: All equipment needed for your home office (Оборудование: Все необходимое оборудование для домашнего офиса)