科学语料库数据策略研究员

负责科学语料库的数据分析，包括数据来源、学科覆盖、任务类型、难度分布、质量水平和能力覆盖情况。

建立科学数据质量评估与分析方法，识别数据问题，提出清洗、筛选、标注和迭代优化方案。

分析不同类型科学数据对模型能力的影响，参与数据对照实验、数据 ablation、数据配比分析和效果归因。

与模型训练、产品和数据生产团队沟通，理解不同团队对科学数据的需求，并转化为明确的数据定义、生产标准和交付方案。

参与科学语料的数据管理工作，包括元数据设计、版本管理、质量标签、使用记录、效果反馈和数据资产沉淀。

参与科学任务和评测样本设计，分析模型在科学问答、文献理解、实验设计、公式推理、图表理解等任务中的表现，并反向指导数据建设。

硕士及以上学历，具备数据分析、统计学、计算机、人工智能、自然语言处理或相关背景。

熟练使用 Python 进行数据处理、文本分析、统计分析和可视化，具备较强的数据分析和研究能力。

熟悉定量分析方法，能够完成数据清洗、指标设计、假设检验、回归分析、对照实验设计和结果解释。

对大语言模型和训练数据有基本理解，了解预训练、微调、指令数据、评测数据、数据质量、数据配比等概念。

具备较强的文本分析能力，能够处理科学文献、长文本、问答数据、标注数据和结构化/半结构化数据。

具备良好的沟通、抽象和项目推进能力，能够在模型训练、评测、产品和数据生产团队之间推动需求落地。