崗位職責(zé)：
1.設(shè)計并實施面向大語言模型持續(xù)預(yù)訓(xùn)練和后訓(xùn)練的高質(zhì)量數(shù)據(jù)構(gòu)建方案；
2.開發(fā)和優(yōu)化數(shù)據(jù)合成（Data Synthesis）策略，生成高價值訓(xùn)練樣本；
3.對現(xiàn)有監(jiān)督微調(diào)（SFT）進行分析、清洗、增強與迭代更新，提升其多樣性、難度和任務(wù)覆蓋度；
4.構(gòu)建高效、可擴展的高質(zhì)量數(shù)據(jù)篩選體系，結(jié)合自動過濾、人工評估、模型打分等多維手段保障數(shù)據(jù)純凈度與有效性；
5、研究并落地預(yù)訓(xùn)練數(shù)據(jù)優(yōu)化策略，包括但不限于去重、毒性過濾、知識密度提升、語言風(fēng)格控制、長尾分布優(yōu)化等；
6.建立數(shù)據(jù)質(zhì)量評估指標(biāo)與監(jiān)控機制，量化數(shù)據(jù)對模型性能的影響；
7.探索數(shù)據(jù)-模型協(xié)同演進的新范式，支持模型快速迭代與垂直領(lǐng)域適配。
任職資格：
1.計算機、人工智能、數(shù)據(jù)科學(xué)或相關(guān)專業(yè)，碩士及以上學(xué)歷；3年以上NLP/大模型相關(guān)數(shù)據(jù)工程或研究經(jīng)驗，深度參與過至少一個大規(guī)模語言模型的數(shù)據(jù)構(gòu)建項目；
2.精通以下至少兩項核心技術(shù)：
高質(zhì)量文本數(shù)據(jù)合成方法（如Self-Instruct、Evolutionary Data Synthesis等）；SFT/RL數(shù)據(jù)的優(yōu)化、擴展與版本管理；規(guī)模預(yù)訓(xùn)練語料的清洗、過濾與質(zhì)量提升技術(shù)；基于模型反饋的數(shù)據(jù)篩選與主動學(xué)習(xí)策略；
3.熟悉主流大模型（如Qwen，GLM，DeepSeek，Llama）的數(shù)據(jù)構(gòu)建方法；
4.對數(shù)據(jù)質(zhì)量有極致追求，具備系統(tǒng)性思維和工程落地能力。