工作职责：

1. 后训练数据清洗与合成管线的设计及产品化
 负责设计面向监督微调和强化学习场景的超大规模数据预处理流程，包括噪声过滤、冗余消除、质量分级及智能增强策略；
 深入研究指令泛化、推理链条构造、复杂任务数据的自动生成与动态配比方法，将前沿的数据合成方法论转化为标准化、高稳定性的数据产品，交付给头部大模型客户使用。
2. 数据质量评估体系与评测基准开发
 构建以“数据质量驱动模型效果”为核心的内部评估框架，设计自动化流程，用于预判不同批次、不同来源数据对客户模型训练的潜在增益；
 面向客户需求，开发可定制的诊断式评测集，帮助客户精准识别其模型在特定维度的能力短板，并将评测能力作为增值服务输出。
3. 强化学习训练数据与环境设计
 设计适用于后训练对齐算法的奖励信号数据生产策略，涵盖多维度对比数据、对抗性提示生成及难度自适应机制；
 搭建模拟交互环境的数据生成引擎，产出高质量的多轮对话、工具调用及智能体行为轨迹数据，为客户后续的强化学习训练提供充足且多样化的“燃料”。
4. 客户协同与数据产品迭代
 配合客户将数据集成至其训练框架，根据客户训练反馈快速迭代数据清洗逻辑与合成策略；
 持续跟踪学术界及产业界最新数据处理方法论，保持公司数据产品的技术前瞻性。

任职资格：

基本条件：
 计算机、人工智能、数学、统计等相关专业硕士及以上学历，博士或具有高水平论文发表经历者优先；
 扎实的机器学习与深度学习理论基础，深入理解主流大模型架构及训练全流程，熟悉监督微调、强化学习对齐等后训练范式，并能清晰理解不同算法对数据形式与质量的需求；
 具备丰富的大规模数据处理经验，精通去重、质量过滤、隐私脱敏及混合增强等常用方法论，能熟练使用分布式计算平台处理海量数据，有将数据处理流程产品化的成功案例；
 对强化学习场景下的数据标注准则、模型作弊规避、对抗样本构造等有实际认知，有参与过奖励建模数据生产或交互环境搭建者优先；
 有评测体系构建经验，了解主流公开评估任务的底层逻辑，能独立开发自动化评测工具或定制化评测集合；
 编程功底扎实，精通常用编程语言，具备良好的工程化思维与代码规范意识，能将复杂流程封装为稳定可复用的系统模块。

加分项：
 有大模型训练数据的商业化交付经验，熟悉B端客户的数据验收标准与合规要求；
 参与过大型开源数据处理库或数据飞轮系统的设计与开发；
 具备多模态数据（如图文、视频、语音等）的清洗与合成经验；
 对数据版权、隐私合规及生成内容溯源有深入了解，并有相应的技术落地方案。