岗位职责
- 负责语料数据工程架构建设，覆盖文本、图片、音视频等多模语料的清洗、处理与交付，支撑千问app toC业务场景的高质量语料供给；
- 基于模型训练要求和各模态语料特性，设计标准化的数据处理算子和pipeline，与基础调度及AI Infra团队协同，实现大规模语料数据处理的效率提升和成本优化；
- 构建语料数据管控、数据画像与数据资产管理能力，对语料数据的来源、结构、分布、质量、覆盖度及使用效果进行系统化刻画，实现可管理、可理解、可追溯，为模型训练与业务优化提供数据洞察与决策支持；
- 打造语料数据质量评估平台，支持多模态语料数据质量分析，沉淀高质量数据资产，并通过AI能力提升语料生产效率与质量；
- 构建语料数据分析与效果归因能力，打通“语料数据—模型训练—业务效果”的反馈链路，通过数据分析识别关键问题与数据缺口，指导采集、合成、处理与标注策略，形成持续优化的数据飞轮。
- 构建数据Agent能力，覆盖数据处理、问题排查、指标分析、效果归因等各环节，提升模型语料数据建设的效率与效果。
职位要求
- 具备大规模数据处理经验，熟悉网页、文档、文本、图片及音视频等多模态语料数据处理技术，对语料清洗、去重、过滤、结构化、对齐及质量评估等关键流程有深入理解；
- 熟悉分布式数据计算与存储技术，如 Ray、Spark、Flink、Paimon 等，具备大规模数据处理系统设计与性能优化经验，能够与AI Infra及基础数据平台团队协同推进能力落地；
- 熟悉数据分类与质量评价体系，具备语料数据治理与数据画像建设经验，能够通过数据分析与评估指导语料数据建设与优化；
- 熟悉主流Agent开发框架，如LangChain、OpenClaw等，能基于业务场景拆解和落地skill能力建设，具有Agent实际落地经验。
