混元-面向大模型训练的多领域专家数据体系与生产研究

课题背景 金融、医疗、物理等专业领域的大模型能力，不仅取决于通用知识与推理能力，也取决于能否获得符合领域规律和真实需求的专家数据。现有数据建设多依赖零散专家经验，缺乏对领域能力、任务形态和生产方法的系统研究。本课题面向不同专业领域，引入具有学科与人工智能复合背景的研究者，探索专家数据需求、任务设计及人机协同生产机制。 课题挑战 不同专业领域的知识体系、能力要求和评价标准差异较大，需要深入理解领域问题，识别现有模型的能力边界，并将专家知识转化为可训练、可评测的数据任务。课题还需解决专家经验难以结构化、任务难度与覆盖度难以控制、自动生成数据可靠性不足等问题。在此基础上，需要设计模型、工具与专家协同的数据生产流程，组织领域专家网络开展审核与反馈，并通过训练实验验证数据的真实价值。 具体工作 结合自身专业背景，分析大模型在相关领域的能力边界与数据需求，设计专家任务和质量标准，参与自动化生产工具及专家协作流程建设，持续跟踪并分析专家数据在模型训练与评测中的实际效果。

学历和专业要求 来自计算机、人工智能、金融、经济、医学、生物、物理、化学、数学等专业的博士或硕士同学，具有人工智能与专业学科复合背景者优先。 技术技能要求 了解大模型训练、数据构建或模型评测方法，掌握Python；能够结合专业知识设计任务与评价标准，具有领域大模型研究经验者优先。 软性素质要求 具备较强的跨学科学习、问题分析和任务设计能力，能够与领域专家及算法团队高效协作，对数据质量和实验结论保持严谨。