大模型数据治理工程师

1.负责构建面向大模型预训练、微调的高质量数据集的数据治理体系与工具链，包括但不限于采集、清洗、去重、质量评估、结构化与标注，研发和管理自动化数据处理工具与平台。

2.负责构建大模型领域能力评测体系，基于自动化评测工具与平台，对模型的领域能力进行综合评估与基准测试。

3.负责深入数据配比、数据增强与合成数据生成等前沿技术，探索数据与模型scaling law的关系，最大化数据效用以提升模型性能。

4.负责跟踪大模型及数据治理领域前沿技术动态，推动算法创新和落地。

5.完成领导交办的其他工作。

1.硕士研究生及以上学历，人工智能、机器人学、机械工程、控制科学等相关专业优先。

2.具有2年及以上大模型数据治理相关工作经验，具备大模型评测基准开发相关经验者优先。

3.熟练掌握python、C、C++等至少一种编程语言，具备扎实的数学基础；精通Pandas、Spark、SQL等数据处理与清洗技术栈，具备构建大规模、自动化数据处理流水线的项目经验；深入理解大模型训练数据的内在规律与关键特性，熟悉数据质量、多样性、偏差对模型性能的影响；熟悉数据选择、课程学习、数据重要性度量等大模型数据领域的前沿方法论与工具；具备严谨的逻辑思维、较强的团队协作意识及沟通表达能力。

4.中共党员优先。