数据技术及产品部-大模型数据质量工程师（训练数据准入方向）-北京杭州

岗位定位

1. 你将负责大模型训练与评测数据的质量准入，对采集、采购及标注交付的数据开展数据洞察、数据理解、质量验收与必要的数据处理，识别数据中的质量风险、能力缺口和潜在价值，形成明确、可信、可追溯的准入结论。

2. 该岗位是数据进入训练、评测及应用链路前的第一道质量门，需要既能深入样本理解数据，又能通过分析方法和工具规模化发现问题，并推动数据生产方、供应商和业务方完成质量闭环。

岗位职责

1. 负责采集、采购、标注数据的准入验收，制定质量Rubric、抽样方案、验收阈值和错误分类标准，输出接收、整改或拒收结论。

2. 开展数据画像与质量洞察，分析数据分布、覆盖度、多样性、重复率、噪声、偏差及长尾场景，为数据采购、标注策略和训练数据配比提供依据。

3. 深入理解数据内容、业务语义和生产过程，结合训练与评测目标，判断数据是否正确、有效、有价值、可训练、可评测。

4. 使用Python、SQL及大模型、Agent工具完成数据解析、清洗去重、异常检测、分层抽样和辅助判定，推动质量规则工具化与验收流程自动化。

5. 对异常批次开展根因分析，定位采集、采购、标注、供应商执行或处理链路中的问题，推动整改、复验和质量闭环。

6. 与算法、采购、数据生产、标注运营及平台研发团队协作，沉淀质量报告、数据来源画像、验收SOP和典型案例，持续提升验收效率与一致性。

1. 本科及以上学历，计算机、人工智能、数据科学、统计学、数学或相关专业；具备3年以上数据分析、数据质量、数据生产或模型评测相关经验。

2. 熟练使用Python和SQL，能够独立完成数据清洗、统计分析、抽样、可视化和质量检查；熟悉Pandas、Spark、Hive、ODPS等工具或平台中的一种或多种。

3. 理解大模型训练与评测流程，了解预训练、SFT、偏好数据、RL数据和评测集等常见数据形态，以及清洗、去重、标注、验收和版本管理等关键环节。

4. 熟悉大模型API调用与Agent应用开发，理解工具编排、Prompt工程和判定指标设计，有将大模型或Agent能力稳定落地到生产链路的实践经验。

5. 具备较强的数据敏感度、内容理解和问题定位能力，能够结合样本分析与量化指标识别数据偏差、质量波动和长尾问题。

6. 具备良好的逻辑分析、结构化表达和跨团队协作能力，工作严谨负责，能够推动问题整改闭环并对数据准入结论负责。

加分项

1. 有大模型训练数据、评测数据、数据标注、内容安全或多模态数据质量相关经验。

2. 有数据质检平台、规则引擎、LLM-as-Judge或人机协同验收流程建设经验。

3. 有供应商交付验收、数据价值验证，或代码、金融、法律、医疗等垂直领域数据经验。