1. 负责搭建多模态数据标注规则与质量管控能力，指导标注流程设计与问题修订，实现标注精准匹配模型需求，降低数据质量偏差风险 2. 负责搭建数据标注项目全生命周期管理能力，指导项目进度与资源统筹，实现交付效率提升，保障模型迭代数据供给 3.负责搭建标注平台协同优化能力，指导工具功能迭代与测试验收，实现标注效率提升，降低人工操作成本 4.负责搭建基于传统、向量、语义等检索和挖掘技术，实现高动态相应 5. 负责搭建对数据进行清晰、切片、转换、加载等ETL技术体系 6. 智能索引构建与动态优化：摒弃传统固定索引模式，搭建AI动态索引优化机制；基于数据查询热度、数据更新频率、业务场景需求，通过算法自动构建、调整、优化索引结构；实现索引智能分层、动态扩容、冷热数据索引区分管理，大幅提升海量数据检索速度、降低数据库性能损耗；适配大模型向量检索场景，搭建向量索引、语义索引，支撑智能检索、知识库问答等AI业务落地。 7. 基于AI、大数据框架搭建自动化、智能化数据处理流水线；设计智能数据清洗规则，通过机器学习模型自动识别异常数据、适配不同数据源格式，实现ETL规则自适应迭代；针对实时、海量数据场景，优化数据调度逻辑、并行计算能力，提升数据处理吞吐量、降低数据延迟

1、本科及以上学历，计算机科学、软件工程、数据科学、自动化、车辆工程等相关专业优先； 2、具备 5年及以上智能驾驶或人工智能领域数据标注、数据管理或相关项目经验。熟悉自动驾驶常见感知任务（如2D/3D检测、跟踪、车道线分割等）的数据标注规范与流程； 3、精通至少一种主流数据标注工具（如Label Studio、CVAT等）的使用和管理； 4、具备扎实的数据分析能力，能使用SQL、Python或相关工具进行基本的数据处理和质量分析，善于从数据中发现问题和规律； 5、了解智能驾驶数据闭环的基本概念和技术流程，对影子模式、数据挖掘、自动标注等有认知者更佳； 6、拥有出色的沟通协调能力和团队协作精神，能够有效管理团队、对接上下游并推动问题解决。同时，必须具备极强的逻辑思维能力、责任心和对细节的专注； 7、拥有强烈的质量意识，能够建立并推行提升效率与质量的关键流程、规范和制度，并确保其有效落地。 8、掌握机器学习、半监督学习、小样本学习基础原理，具备AI自标注、自动数据清洗、数据纠错的模型落地经验；能够独立搭建自动化标注流程，实现海量数据高效标注与迭代