返回岗位列表

多模态预训练数据研究员

查看原岗位

地点：北京薪资：45-75K 日期：2026-06-26

岗位摘要

主导多模态大模型预训练数据的生产与质控体系建设，覆盖采集、解析、合成、清洗、配比全链路，规模达万亿token量级；以data-centric方法量化数据与模型能力的因果关系，设计配比与采样策略，通过对照实验沉淀可复现结论

岗位职责

主导多模态大模型预训练数据的生产与质控体系建设，覆盖采集、解析、合成、清洗、配比全链路，规模达万亿token量级
以data-centric方法量化数据与模型能力的因果关系，设计配比与采样策略，通过对照实验沉淀可复现结论
探索agentic data construction，由模型自主完成数据生成、清洗、质检与配比决策，将数据构建升级为模型驱动的agent系统
攻坚领域多模态数据（工程图、CAD、文档、学科题等）的合成与对齐，构建通用语料难以覆盖的高价值数据

任职要求

从根本上认可数据的价值，相信做好数据本身就是一等公民的研究工作，而非模型训练的附属环节
熟悉大规模数据处理技术栈，有TB至PB级数据pipeline的实战经验，能独立完成数据处理、合成与质控
具备数据科学性的认知，习惯用对照实验和量化指标判断数据价值，对数据到模型效果有可验证的因果认知
计算机或人工智能等相关专业，1年以上大规模数据或多模态预训练相关经验
加分项：具备agentic data construction、model-in-the-loop、可验证数据自动生成等方向的实战经验
加分项：具备领域数据（工程图、CAD、文档、学科题）的合成与对齐经验
加分项：主导或深度参与过有影响力的开源数据集或benchmark

加分项

具备 agentic data construction、model
loop、可验证数据自动生成等方向的实战经验
具备领域数据（工程图 / CAD / 文档 / 学科题）的合成与对齐经验
主导或深度参与过有影响力的开源数据集 / benchmark

福利待遇

具有竞争力的薪资范围45-75K
参与定义下一代模型认知世界的前沿工作
真实的数据、算力和问题资源
与顶尖团队合作的机会

工作地址

北京海淀区大恒科技大厦南座