大模型数据工程师
岗位摘要
负责大模型SFT/DPO/RL/RAG等训练范式的数据采集、清洗、标注与质量评估，体系化构建高质量数据集生产Pipeline；探索AI for Data前沿实践，研发数据增强与智能合成技术，利用AI自动化生产和校验训练数据，构建数据飞轮
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SFT/DPO/RL/RAG等训练范式的数据采集、清洗、标注与质量评估，体系化构建高质量数据集生产Pipeline
- 探索AI for Data前沿实践，研发数据增强与智能合成技术，利用AI自动化生产和校验训练数据，构建数据飞轮
- 建设大模型训练数据体系，沉淀训练数据集、模型评测集、用户标签体系与模型效果指标体系，转化业务专家经验为AI数据资产
- 开发数据Agent，基于大模型与Agent框架，构建覆盖数据采集、清洗、标注、质检等环节的自动化Agent，实现智能化与自主化
- 深度协同算法与业务团队，针对PE/RAG/SFT/DPO/RL等落地方案设计专项数据解决方案，基于模型效果反馈迭代数据策略
任职要求
- 具备大模型数据工程相关经验，熟悉SFT/DPO/RL/RAG等训练范式
- 掌握数据采集、清洗、标注与质量评估的全流程方法
- 有数据增强、智能合成或AI自动化数据处理实践经验
- 熟悉Agent框架，能开发数据自动化Agent
- 具备与算法、业务团队协作的能力，能设计专项数据解决方案
福利待遇
- 深度参与金融核心AI场景的大模型数据全链路建设，参与SFT/DPO/RL/RAG项目工程实践
- 从0到1设计和落地数据Agent，积累稀缺的Agent开发实战经验
- 金服大模型覆盖催收、KYC、风控、智能客服等核心金融场景，业务体量大、AI落地需求迫切
- 与算法、业务专家深度协作，在真实金融AI落地项目中快速积累跨领域实战经验
- 团队提供充足的GPU、数据与标注资源支持，鼓励以AI原生方式探索数据工程前沿实践
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。