后训练数据实习生
300-500元/天
数据挖掘 上海 硕士 5天/周 最少3个月
岗位关键词
岗位职责
【我们是谁】
国内顶尖大模型创业公司，团队成员多来自清北复交浙新加坡国立大学，字节 TopSeed、DeepSeek、上海AI lab等，专注 AI 下半场的模型训练与 Agent 应用落地。 我们相信AI到了理解推理突破到能动性执行的奇点，致力于研究面向生产力的大模型技术。
【你可以做什么】
1.大模型数据全生命周期管理：
*负责LLM预训练/后训练阶段（如SFT, DPO）的数据处理工作，包括数据收集、清洗、去重、标注、格式转换及质量评估。
*针对垂直领域或多模态数据，设计并实现高效、标准化的数据处理流程。
*分析数据分布，解决数据偏差、噪声等质量问题，确保训练数据的多样性和高可用性。
2.智能化数据采集与抽取：
*设计和优化高效、智能化的爬虫系统，进行多源数据（文本、图像等）的采集，并能根据模型需求调整采集策略。
*负责爬虫的开发、维护及逆向工程，熟悉并能绕过常见的反爬技术（如动态加载、JS加密）。
*利用LLM或Agent技术，构建自动化、平台化的定向抓取与数据抽取能力。
3.工具与效率优化：
*开发自动化数据处理工具、脚本和智能体（Agent），优化数据清洗和质量评估的效率和规模化能力。
岗位要求
【我们期望你】
1.编程与数据工程： 精通Python，熟悉数据处理库（如pandas, numpy），具备大规模数据处理框架（如Spark, Dask）经验者优先。
2.数据采集技术： 熟悉爬虫框架（如Scrapy, Selenium等），具备反爬、逆向工程经验。熟悉常见网络协议（HTTP/HTTPS）和接口抓取，能高效提取复杂数据。
3.大模型技术背景： 熟悉LLM训练和数据处理流程，包括SFT、DPO、RLHF等后训练技术。
4.具备数据质量控制流程的设计和实现经验。
【我们能给你】
来自顶尖大模型团队的深度指导与快速成长机会；
优秀AI前沿氛围 + 丰厚实习薪酬 + 团队福利；
实习表现优异者优先转正
牛客安全提示：如发现虚假招聘、广告，或以任何名义索要证件、费用，或诱导异地入职、参与培训等均属违法行为，发现请
立即举报