大模型数据工程师
科学智能物质创制中心 · 合肥 · 社招
AI 摘要智能生成
设计训练数据配比与质量评估体系,建设“数据—模型—实验”闭环数据集,月薪30000-60000元
职位描述
1.构建多源科研数据(文献、专利、光谱谱图、晶体结构、分子数据、实验记录等)的采集、清洗、去重、脱敏与结构化流水线; 2.设计训练数据配比与质量评估体系,建设“数据—模型—实验”闭环数据集; 3.负责指令数据与对齐数据生产:标注体系设计与质控、合成数据生成(蒸馏/自演进等)与筛选; 4.建设评测集与评测基准,覆盖通用能力、领域能力与安全性,支撑模型迭代归因; 5.维护数据版本管理、血缘追踪与数据平台工具链。
任职要求
- 计算机、数据科学、化学/材料信息学等本科及以上学历,有大模型训练数据或数据工程建设经验;
- 精通 Python,熟悉 Spark/Ray/Dask 等分布式数据处理框架,熟悉 Hugging Face Datasets 等数据生态;
- 熟悉数据清洗、去重(MinHash/LSH 等)、质量过滤方法,了解 SFT/RLHF 数据格式与标注流程;
- 具备以下经验者优先:多模态数据处理;领域数据(SMILES、CIF、谱图等)解析;LLM-as-Judge 评测集构建。