核心职责

• 数据基建：构建、开发和维护高效可拓展的训练数据管道，设计分布式数据存储与调度系统。
• 数据采集：开发高效数据采集工具，为预训练、微调和对齐阶段提供高质量数据支持。
• 数据质量管理：制定数据质量标准，实施数据验证和清洗流程，确保数据的准确性和完整性。
• 模型迭代支持：与研究、工程团队密切合作，开发合成数据工具，拓展数据规模与多样性。

任职要求

• 来自计算机科学、数据科学等相关领域，具备模型训练数据处理、增强经验。
• 熟练掌握Python/SQL，熟悉大数据处理框架。
• 熟悉大模型数据工作流程，如预训练语料构建、SFT/RLHF数据标注、评估数据集设计等。
• 有开源项目贡献和经历，积极参与技术社区者优先。
• 对实现前沿AI解决方案充满热情，具备自驱力与团队协作精神，能适应快节奏的挑战。