职位描述 利用 Prompt Engineering（PE）与 AI Agent 架构，能够熟练使用大模型进行自动化生产。针对模型高频问题，基于 SFT 与 RL 需求，设计 PE 策略、workflow工作流等，探索更高效的数据生产方式。 协同产品、研发团队，参与大模型后训练（SFT/RLHF）从数据采集、标注、数据合成到质量评估的完整模型效果数据分析和优化流程。 通过数据分析、模型表现横向比较，深入挖掘数据背后对模型提升有价值的信息。制定并迭代数据标准、细化规则，对自动构造的数据能够提出筛选策略。 对合成数据、合成数据各节点产出数据进行人工检查、分析，定量、定性问题，反馈数据认知，确保数据质量能满足模型深度研究的需求。

职位要求 本科及以上学历，计算机、人工智能、应用数学、语言学、法律、金融等相关专业，有独立完成研究报告，熟悉学术研究方法。 熟悉 Prompt Engineering 核心方法论，有 PE 项目实践经验，理解 AI Agent 工作原理、Function Call 机制，掌握 SFT 与 RL 等基础概念 较强的语言逻辑、数学逻辑，能够注意到语言模型在问题解决过程中输出的逻辑问题，并提出更合理的决策优化思路。 对前沿的模型训练策略、训练数据集构造方法、评估策略有深入了解，并能够提出有建设性的复用方案，或指出问题。 具备优秀的理解力和问题抽象能力，能够跨团队协作，具备问题解决能力及自驱力。 加分项：拥有架构思维，有本地部署开源模型经验，或使用 Python 进行数据处理与 Agent 工具链开发，有自动化脚本开发经验。