北京腾云天下科技有限公司

1. 协助后训练数据清洗与合成 参与大规模数据的去重、过滤、质量分级与增强流程。 在导师指导下完成多样化指令数据、复杂推理数据的自动构造实验，并整理效果对比。 2. 参与数据质量评估与评测基准建设 协助设计自动化评估脚本，整理评测结果，分析不同数据批次对模型表现的潜在影响。 参与诊断式评测集的题目构造、校验与维护，帮助客户定位模型的数据短板。 3. 协助交互式训练数据与环境设计 参与多轮对话、工具调用、智能体行为轨迹等数据的构造与清洗。 协助搭建模拟交互环境的数据生成流程，支持客户后续训练需求。 4. 客户项目支持与工具开发 协助将数据集成至客户训练流程，整理反馈并跟进迭代。 开发数据处理、可视化、自动化报告等辅助工具，提升团队效率。 5. 前沿跟踪与文档沉淀 跟踪大模型数据相关前沿工作，参与组内分享。 撰写实验记录、技术文档与项目总结，沉淀可复用的方法论。

1. 具备机器学习、深度学习基础知识，了解大模型基本概念与训练流程。 2. 至少熟悉一门编程语言，有良好的代码习惯；有数据处理、脚本开发或数据分析项目经验。 3. 对数据清洗、数据合成、数据评估有浓厚兴趣，做事细致、有耐心，能处理大规模数据中的细节问题。 4. 具备良好的学习能力、沟通能力和团队协作意识，能阅读英文技术资料。 加分项 1. 有课程项目、竞赛、开源项目或论文复现经历，涉及大模型、数据工程、评测体系等方向。 2. 有数据标注、数据清洗、数据合成或评测集构建的实践经历。 3. 熟悉常用数据分析与可视化方法。 4. 有较强的文档撰写与结果呈现能力。