返回岗位列表

大模型数据算法工程师（通义千问团队）

查看原岗位

地点：北京薪资：薪资未公开日期：2026-01-29

岗位摘要

快速理解模型预训练需求，灵活调整数据方案以适应高频迭代；开发工具完成数据收集、清洗、格式转换（如HTML2Text、PDF2Text、ASR等），构建验证与测试集以量化性能指标；构建自动化、高效率的数据处理管线，优化组件性能，确保稳定性和可扩展性

岗位职责

快速理解模型预训练需求，灵活调整数据方案以适应高频迭代
开发工具完成数据收集、清洗、格式转换（如HTML2Text、PDF2Text、ASR等），构建验证与测试集以量化性能指标
构建自动化、高效率的数据处理管线，优化组件性能，确保稳定性和可扩展性
与平台团队合作共建数据平台，分析使用痛点，提出改进建议并跟进落实
追踪业界技术进展，为预训练团队提供数据支持，探索新技术以提升数据价值和模型效果

任职要求

计算机科学、人工智能、数学、物理或相关领域博士或顶尖硕士毕业生
熟练掌握Python，熟悉SQL及数据库操作
熟悉分布式计算框架（如Spark、Hadoop、Ray）
熟悉常见分类模型及深度学习训练、微调与推理框架（如Transformer、BERT、GPT、PyTorch、vLLM、SGLang）
具备大规模数据处理经验，能够高效完成数据清洗与转换任务
学习能力强，动手能力突出，能快速上手新工具和技术
具备跨域视野与协作意识，能够与其他团队紧密合作实现数据平台共建
有大模型相关数据收集处理清洗经验，有处理千亿级以上数据的经验者优先
有阿里云服务使用经验（如MaxCompute、Function Compute、OSS等）者优先
掌握HTML2Text、PDF2Text、OCR、ASR等技术者优先
掌握ChatGPT、Claude、Gemini模型提示词工程者优先

加分项

有大模型相关数据收集处理清洗经验，有处理千亿级以上数据的经验
有阿里云服务使用经验，如MaxCompute、Function Compute、OSS等
掌握HTML2Text、PDF2Text、OCR、ASR等技术
掌握chatgpt claude gemini模型提示词工程