返回岗位列表

数据工程师

查看原岗位

地点：北京薪资：30-60K 日期：2026-03-03

岗位摘要

负责构建面向大模型训练的高质量数据体系，主导语音、视觉、多模态数据的采集、存储、清洗及特征工程；探索基于生成式模型的合成数据构建，包括数据增强、对抗生成等技术；设计与实施数据质量评估体系，开发高质量、高知识密度的数据筛选机制

岗位职责

负责构建面向大模型训练的高质量数据体系，主导语音、视觉、多模态数据的采集、存储、清洗及特征工程
探索基于生成式模型的合成数据构建，包括数据增强、对抗生成等技术
设计与实施数据质量评估体系，开发高质量、高知识密度的数据筛选机制
构建数据质量-模型表现的闭环验证系统
研发智能化的数据处理pipeline，实现多模态数据的自动化对齐与标注
支持百亿级token的高效处理与版本化管理
深入理解大模型训练需求，与算法团队协同设计数据混合策略
开发基于强化学习的数据采样与课程学习方案
主导数据治理体系的搭建，建立涵盖合成数据与真实数据的质量评估标准
构建数据价值挖掘的量化指标体系

任职要求

计算机/人工智能相关专业硕士及以上学历，3年以上大数据研发经验
有LLM/VLM等大模型数据工程经验者优先
精通大模型数据全生命周期管理，熟悉分布式数据湖架构
具备Hadoop/Spark/Flink等生态深度开发能力
熟练掌握PySpark/Pandas等数据处理工具链
具备强化学习实战经验，熟悉fasttext等算法在数据选择中的应用
掌握数据合成技术（文本合成方向）
精通多模态数据处理技术，具备ASR语音数据清洗、CV数据增强、跨模态对齐中至少两个领域经验者优先
熟悉大模型训练数据标准，有构建Instruction Tuning数据或RLHF奖励模型数据经验者优先
具备数据质量量化评估能力，熟练掌握数据可视化分析工具
能设计数据质量与模型性能的关联性分析框架
参与过千亿token级大模型数据工程者优先
熟悉DPO等新一代对齐算法数据需求者优先
有开源大模型数据集构建经验者优先
发表过数据增强/合成相关论文者优先

加分项

参与过千亿token级大模型数据工程
熟悉DPO等新一代对齐算法数据需求
发表过数据增强/合成相关论文
张学仁本月活跃
面壁智能 · 数据工程师

福利待遇

月薪30-60K，14薪
非外包岗位，正式员工编制

工作地址

北京海淀区科建大厦6层