岗位职责
- 参与构建高可靠性数据pipeline，支撑大模型sft/dpo/grpo等的数据需求，通过高效的数据获取、清洗、精良等，为模型提供多样化、低噪声、高信息密度的训练数据，驱动模型性能提升和业务落地；
- 参与构建科学的数据评估体系，量化数据对模型性能提升的影响，迭代优化数据生成策略；
- 研究探索新型数据处理/生成/评估技术，推动数据整体链路优化。
职位要求
- 计算机、数学等相关专业，硕士及以上学历，具备良好的计算机基础和数据基础；
- 掌握python及主流数据处理工具，熟悉数据质量评估及统计分析工具；
- 有完整的数据治理项目经验，包括数据清洗、版本控制、质量评估全流程，熟悉模型数据链路；2年以上数据处理/数据工程经验；
- 优秀的定义、分析、解决问题的能力，具备较强的学习、沟通协调能力；
- 有参与大模型预训练数据pipeline构建经验相关贡献者优先；
- 该岗位可 base 广州/成都/北京。
