岗位职责
- 数据策略体系建设：整合全模态、多渠道的数据来源，建立统一的数据标准与核心指标树，结合模型需求和评测反馈，运用统计分析与算法建模识别数据缺口、价值机会和供给瓶颈，制定数据获取、筛选及质量优化策略；与相关团队推动实施，通过实验和效果评估持续迭代。
- AI Native数据策略能力建设：基于 LLM 与 Agent 框架，将数据分析、问题诊断、策略生成及效果验证等能力沉淀为可复用的智能策略 Pipeline，建设工具调用、策略编排与反馈迭代机制，提升数据策略的研发效率与执行效果。
- 多模态后训练数据生产体系建设：面向多模态大模型后训练，重点围绕PT/QT/RL以及PE优化等数据，结合训练需求与模型评测反馈，与算法团队及领域专家协作，制定任务构造、样本生成、标注及质量验证标准；建设算法辅助、自动化验证与人机协同生产能力，提升数据有效性，支撑模型能力迭代。
- 多模态后训练数据生产效能与数据管理：构建多模态后训练数据生产的效能指标与监测体系，优化生成、筛选、验证及协同流程，兼顾质量、成本与时效；完善后训练数据的组织、版本管理、质量记录与生产验证过程追踪，支持数据复用、训练复现与效果归因。
- 参与集团级AI数据引擎：负责多模态数据（文本、音频、图像、视频）的采集、清洗、处理、治理与资产化管理，打造可复用、可观测、可解释的 EB 级数据体系，支撑大模型训练与推理的高质量数据供给；
职位要求
- 具备算法与数据双栈能力：精通 Python，熟悉 SQL/Shell；具备统计分析、机器学习或深度学习基础，掌握问题归因、实验设计及效果评估方法，能够将数据分析与算法建模结果转化为可执行策略。
- 数据工程基础扎实：熟悉 Spark/Flink/MaxCompute/Hadoop 等至少一种主流大数据平台，具备 ETL、数据建模、指标体系或数据 Pipeline 建设经验，能够处理多源数据整合、口径一致性及计算效率问题。
- 多模态后训练数据能力：理解大模型的基本原理与数据需求，熟悉图像、视频、音频等至少一种模态的后训练数据特点；具有任务构造、样本生成、标注或质量验证相关实践，能够结合模型评测反馈优化数据标准与生产方法。有多模态 RL 数据生产及自动化验证经验者优先。
- 数据质量与管理：熟悉元数据、数据标准、质量评估、版本管理及血缘追踪等方法，能够支撑训练数据的可追溯、可复用与效果归因；有训练数据管理或数据生产效能体系建设经验者优先。
- AI Native 工作流思维：熟悉 LLM 工具链、Agent、工具调用或工作流编排，能够将数据分析、问题诊断与策略方法融入智能工作流；有相关工程落地经验，能够评估并优化工作流的准确性、稳定性与运行成本。
