岗位职责
- 需求澄清与策略制定：与算法团队深度对齐数据目标，基于模型评测和 Badcase 分析，拆解 STEM / Reasoning 能力短板（如数学推理、代码生成、逻辑链条、工具使用等），将模糊的模型需求转化为可执行、可量化的数据需求，制定并持续迭代整体数据构建策略（含真实数据获取、合成数据等）；
- 数据产线全流程设计：设计数据生产交付链路及核心环节（采集/清洗/标注/合成/质检/交付），定义数据标准、标注规范与质量验收标准，主导数据项目的发起、优先级判定与全流程管理，保障高质量数据的规模化、稳定交付；
- 质量与效果评估闭环：建立可量化的数据质量评估体系，跟踪数据交付后的训练收益；开展模型效果深度分析，联动算法团队定位数据侧的改进点，形成"数据生产 → 训练验证 → 策略迭代"的闭环；
- 模式创新与前沿探索：用大模型和 Agent 化工作流赋能数据生产（如数据合成、自动质检、Agent as a Verifier），推动数据产线的自动化与规模化；持续追踪业界数据领域前沿（数据配比、数据合成、课程学习等），将有效方法落地到实际产线。
职位要求
- 本科及以上学历，计算机、数学、统计学、人工智能等相关专业优先；
- 有大模型（基座模型优先）训练数据相关经验，深度参与过基模数据策略制定、数据生产或数据评估中的至少一个完整环节，对"什么数据能让模型学到东西"有判断力；
- 具备一定的工程和代码能力：能独立编写脚本，搭建工程链路等完成数据清洗、统计分析和质量验证，能读懂算法团队的训练代码和评测结果；
- 对训练数据敏感：能从数据中识别噪声、偏差、重复、分布异常等影响训练效果的问题，对数据质量和数据分布有直觉；
- 好奇心强，自驱：主动追踪大模型行业动态和数据领域前沿方法，愿意深入模型底层理解"数据为什么有效"；
- 具备优秀的逻辑分析能力、跨团队沟通能力和项目推进能力，能在需求模糊、目标动态变化的环境中高质量交付。
