大模型数据技术研究员

1、负责多模态数据解析，在文档多模态、语音、图像等多个数据模态实现数据高质量解析，构建最强领域数据集。实现多模态统一的训练数据集，支撑模型训练效果最佳 2、主导领域数据生成，包括预训练数据、SFT数据、SOP数据等多个方向，同时对生成数据多样性、复杂性、逻辑性负责，构建多人设融合、领域理解能力最佳的领域数据生成技术 3、承担大模型数据工程价值评估以及高效学习任务，基于模型loss、困惑度等多个维度设计数据价值反馈体系，指导高质量数据过滤，深刻探查数据课程学习体系，设计并实现数据混合策略，为模型阶段迭代提供可视化路径。 4、从事AI4Data关键技术研究，突破大模型数据应用中的关键技术，持续提升NL2SQL精度，达到业界领先水平，从事结构化数据知识萃取技术，利用大模型技术洞察数据，发现数据规律，挖掘数据价值，突破人+小模型的数据洞察模式；

1、具备NLP，数据库，大数据治理等方向学术研究背景，在深度学习、深度强化学习、统计分析、知识图谱、形式化技术、运筹优化中一个以上的领域有着深入的研究和丰富的实践； 2、了解AI大模型数据处理技术发展历程，具备相关算法研究与设计、原型开发和模型性能优化相关能力； 3、掌握AI大模型训练和使用，有工业级AI项目落地经验、发表过领域顶刊顶会、具有3GPP标准工作经验者优先； 4、熟悉业界开源数据集构建流程、数据质量标准和数据安全标准的制定规则者优先；