岗位职责
- 负责统一数据平台的架构设计与模块开发，涵盖批处理、流处理、交互式查询与服务化计算能力，构建高效、灵活、智能的后训练数据合成与实验的基础设施。
- 负责构建样本级的数据全链路血缘溯源系统，实现数据种子-合成-处理-实验-评估的全生命周期可追溯，构建高可用、高吞吐的多 Agent 协同合成链路。
职位要求
- 熟悉 spark/ray 等计算引擎，了解分布式存储与计算原理，能优化数据处理效率，具备性能调优经验。
- 熟悉文本、多模等不同模态的向量检索技术，有相关工程系统的调优经验。具备准备数据训练召回模型的能力，对业界的前沿数据召回的方法保持持续的追踪，持续提升召回模型的效果。
- 具备扎实的计算机基础，本科及以上学历，2年以上工作经验。熟悉Java/python研发技术栈，具备良好的编程素养，有强烈的技术热情和快速学习能力，具备良好的执行力且目标导向，敢于担当，善于协同合作。
- 有大模型数据预处理、SFT/RL 训练数据管线建设、或大模型实验平台（LLMOps）开发经验。
