1、搭建大规模可扩展、健壮的数据处理系统和管道； 2、设计和开发数据生产过程的各种效率工具； 3、设计和开发复杂结构数据的管理产品； 4、研究数据质量和模型能力的相关性，以数据的视角补充模型的短板能力； 5、研究如何有效、低成本的合成基模的预训练数据。

1、优秀的代码编程能力和数据结构设计能力，熟练使用Python，使用过Java或者Golang的一种； 2、优秀的工程能力，可以写出稳定高效运行的代码，碰到工程问题，可以快速设计方案来解决或者绕过，优秀的学习能力，可以快速学习各种新的工具； 3、熟悉分布式计算，对分布式编程模式有一定认知，使用过Ray或者Spark的一种，可以在Ray或Spark的模式下，设计出可以横向扩展的大规模数据系统，避免单点性能瓶颈（工程方向）； 4、有推荐系统、搜索、广告排序、LLM、CV等项目的开发经验，不限于大规模训练数据处理，特征生成评估、模型训练等（数据算法和策略方向）； 5、熟悉分布式存储，能够设计大规模多模态分布式存储，对大规模存储有经验（工程方向）； 6、熟悉NLP、CV、统计机器学习领域一种，可以快速阅读论文和技术报告，获取训练数据处理方案的优缺点（数据算法和策略方向）； 7、良好的学习能力、沟通能力与团队合作能力。