岗位职责
- 负责大模型的高质量的数据构造工作，主要在code、Agentic等垂域数据任务
- 大规模数据解析、清洗、去重，以及数据生成/合成等工作，覆盖GitHub、代码镜像、内部代码库等。
- 设计并实现面向 Agent 轨迹采集的沙盒环境，支持工具调用（Function Call）、多步规划、环境交互等行为记录。
- 构建 Agentic 任务的数据标注规范和质量评估框架，包括轨迹合法性校验、奖励建模所需的偏好数据构造
职位要求
- 精通数据处理生态，熟悉分布式数据处理，能构建高效稳定的数据流水线，有大规模 ETL 流水线优化经验。
- 深入理解Code（代码理解、生成、调试）和Agentic（工具调用、规划、多轮交互）场景的数据特点和优化难点。
- 理解预训练、SFT、RLHF各阶段的数据需求差异，能分析和判断数据对模型能力的贡献。设计小规模实验验证数据有效性，建立数据-效果关联分析机制。
