大模型预训练数据工程师
岗位摘要
负责大模型预训练数据的全流程构建，包括数据收集、清洗、去重、标注、配比优化等环节；基于海量数据（PB 级）进行深度分析与实验，挖掘影响模型效果的关键数据信号，持续优化数据质量；与算法团队紧密协作，设计数据驱动的模型优化方案，提升模型在核心指标上的表现
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 负责大模型预训练数据的全流程构建，包括数据收集、清洗、去重、标注、配比优化等环节
- 基于海量数据（PB 级）进行深度分析与实验，挖掘影响模型效果的关键数据信号，持续优化数据质量
- 与算法团队紧密协作，设计数据驱动的模型优化方案，提升模型在核心指标上的表现
- 探索前沿数据技术（如主动学习、课程学习等），构建更高效的数据处理 pipeline
任职要求
- 计算机、数学、数据科学等相关专业，本科及以上学历，CS/Coding 功底扎实
- 熟练掌握 Python，熟悉 Spark / Ray / PyTorch 等分布式计算与深度学习框架，具备 PB 级大规模数据处理与分析经验
- 具备出色的数据 sense，对数据高度敏感，能从大规模数据分析与实验中识别影响模型表现的关键信号
- （加分项）有过参与公开的开源/闭源 LLM 预训练数据经验者（如参与过其数据配比、构建流程等）优先
加分项
- ）有过参与公开的开源/闭源 LLM 预训练数据经验者（如参与过其数据配比、构建流程等）优先
福利待遇
- 六险一金全额缴纳，补充商业医疗保险
- 弹性工作制，不打卡，每周可远程办公2天
- 年度健康体检 + 带薪年假15天起
- 技术书籍/课程报销 + 顶级设备支持
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。