岗位职责
- 数据管线架构设计与落地，主导端到端大规模数据生产管线（采集→清洗→标注→质检→入库）的技术和运营方案设计与系统搭建，确保可扩展、高可靠。搭建可复用的工作流编排系统，实现数据生产任务的自动化调度与状态追踪。
- 数据质量体系搭建，设计并实施质量评估框架，包括标注一致性校准、质量分层、自动化质检规则。建立数据质量度量指标体系和实时监控仪表盘，持续追踪生产数据的质量趋势。主导数据质量问题的根因分析和流程改进。
- RL/SFT/后训练数据基础设施，构建支持RLHF、DPO、GRPO、Constitutional AI等后训练方法的数据生产和反馈收集系统。
- 跨职能协作，与专家团队、产品团队紧密配合，将研究需求转化为可工程化落地的数据生产方案。
- 生产运营与工艺优化，设计标注方案（annotation schema）、标注指南和质量标准，覆盖多领域、多模态数据。管理标注团队或外包供应商的产能运营，持续优化标注工具和标注流程，提升人效和数据质量；
职位要求
- 数学、统计学、计算机科学、软件工程或数据科学相关专业，硕士/博士优先，5 年以上数据工程、模型训练、ML基础设施或研究工程相关经验
- 深度理解LLM训练全流程（预训练、SFT、RLHF/DPO、评测），有后训练数据生产的直接经验优先
- 熟悉数据管线编排工具（Airflow、Prefect、Temporal 等）
- 具备数据质量管理体系的搭建经验，了解标注一致性、校准等概念
- 优秀的跨团队沟通能力和项目管理能力，有在快节奏、高模糊度环境中独立推进项目的经验
- 有 RLHF/RLVR/agent 训练数据生产经验，有搭建 RL 训练环境（sandbox、code interpreter、browser env）、有代码评测（code evaluation）或 agent 评测数据生产经验者优先
- 有管理 10 人以上数据标注或运营团队的经验
