岗位职责
- 负责全网高价值互联网数据源发现和识别筛选，涵盖网页、PDF、音视频等多模态来源，分析数据天花板，评估数据价值和优先级，支持医疗、金融、大模型和智能应用等核心领域数据全面覆盖；
- 负责全网数据采集相关链接和网页特征算子研发和水位提升，持续优化提升数据任务和系统能力水位，充分支持模型训练、RAG搜索等数据需求；
- 持续提升技术竞争力，在数据覆盖、数据时效、下载渲染成功率、死链监测、采集成本方面做到行业领先水位；
- 帮助提升团队算法能力，进行技术分享和人才培养，指导领域新同学和研究实习生工作。
职位要求
- 计算机、人工智能、大数据或者相关专业本科及以上学历，3年以上大规模数据采集、处理、搜索推荐等相关领域经验；
- 熟悉文本分类、聚类、NER等NLP及相关领域的机器学习算法，能设计数据价值评估、优先级排序的落地方案；有大模型训练数据构建、RAG数据链路经验优先；
- 对金融/医疗/大模型至少一个领域数据生态有较深理解，能独立完成数据源发现、价值评估与优先级排序，能够从业务目标定位数据缺口并制定高效策略；
- 有比较强的自驱力和协作能力，具备技术分享与人才培养意识，有指导新同学/实习生的实际经验优先.
