广州滴普科技有限公司

1、生成指令集、长上下文、代码、工具调用、数学推理和智能体轨迹类数据。 2、设计数据合成提示词、任务模板，进行难度分层、多样性管控与样本覆盖规划。 3、负责数据清洗、去重、格式标准化、信息过滤、内容泄漏校验与版本发布工作。 4、管理数据来源、版权许可、标签、元信息、训练集切片、样本权重配置以及数据版本回退。 5、搭建多类型数据质量标准，包含正确性、可执行性、可核验性、格式一致性与难度分布规范。 6、设计自动化过滤规则、人工 + 模型质检规范、抽样检查机制，输出版本质量报告。 7、维护提示词、模型回复、工具调用记录、环境反馈、结果校验器输出等全链路轨迹结构。 8、处理超长样本队列，完成长度分桶，维护动态批次所需的各类数据元信息。 9、分析训练异常、评测异常以及奖励投机样本，推动数据修复与合成策略持续迭代。 10、协同算法团队，分析数据对模型效果带来的增益与负面影响。 11、联动评测团队，规避训练集与评测基准数据集发生信息泄露。 任职资格： 1、熟悉大模型数据合成、提示词工程、数据处理流水线以及数据治理相关工作。 2、有代码类数据、工具调用数据、智能体轨迹数据、长上下文数据、标注质检或模型案例分析经验优先。 3、对 token 长度、样本结构、训练吞吐能力和模型效果之间的关联关系具备敏感度。 4、能够独立完成数据生产工作，同时保障数据质量、版本管理、合规性、可追溯性以及训练可用性。 5、理解数据合成与数据质量密不可分，可将质量标准前置融入数据合成流程。