职位描述 作为预训练数据研究员/研发工程师，你将成为核心模型迭代的直接驱动者。日常工作会是以数据重塑大模型认知，探索Data-centric AI 的能力极限。 【岗位职位】 1. 数据质量与治理 设计并执行大规模训练数据清洗流程，构建数据质量评估体系，持续优化数据配比与筛选策略 研究预训练数据 quality, diversity, repetition 随 model scaling 的最优学习机制，探索数据收益的最大化路径 与上下游深度协作，制定标注规范与质量标准，搭建闭环反馈机制 2. 模型消融与评估 针对数据配方、数据质量、数据规模等维度设计消融实验，量化数据变更对模型能力的影响 构建多维度模型评估体系（自动+人工），覆盖通用能力、垂直场景及安全性 3. 垂直能力研究 多模态数据：参与图文、音视频等多模态训练数据的采集、清洗与质量把控 搜索与向量召回：优化 RAG 场景下的检索数据质量，参与 embedding 模型训练数据构建与召回效果评估 情感智能与意图理解：研究情感智能及意图理解相关数据策略 4. 跨团队协作与标准共建 与模型策略产品经理共建数据-模型-产品质量标准，推动数据驱动的模型迭代闭环 将业务需求转化为数据需求，协调研发、标注、产品多方资源

【任职要求】 1. 基础要求 CS/AI相关专业，本科及以上学历，pretrain/posttrain数据和其他大规模数据如信息检索相关研究或工作经验 熟悉主流大模型训练流程（Pretrain / SFT / RL / OPD），理解数据对模型行为的驱动机制 熟练使用 Python 及任意一种常用数据处理工具链（pandas / spark / duckdb 等） 具备扎实的实验设计与统计分析能力，能独立设计严谨的消融实验并得出可靠结论 有预训练数据、信息检索方向、多模态研究背景 （需要满足 2 条以上）