【岗位职责】 1、参与大模型训练数据的构建，不限于数据过滤，质量评估，数据增强等，搭建高效的分布式数据pipeline； 2、参与模型训练数据标签体系的建设，打造数据自动打标环路，完成海量数据打标和知识库构建； 3、参与模型数据质量的建设，面向网页，书籍，代码等不同类型数据，打造通用的质量评估策略。 【任职要求】 1、计算机相关专业，本科及以上在读； 2、精通Python语言，熟悉Spark、Ray等分布式框架，具备丰富的大规模数据处理实践经验是加分项； 3、具备良好的逻辑能力，细心严谨，对数据敏感； 4、具备自主调研能力，以下方向有实践经验或兴趣浓厚优先：大规模文本数据质量提升、文本数据处理。