1、本科及以上學歷計算機相關專業
2、2年及以上工作經驗
3、語言三選一 Python / Go / Shell
工作內容：
1. 負責大模型訓練所需數據的獲取與生產，覆蓋文本、音頻、視頻等多模態數據，包含數據挖掘、批量下載、解析、清洗、去重、結構化與版本管理；
2. 搭建并維護多模態數據處理流水線，支持大規模數據的自動化清洗、質量校驗、統計分析與持續迭代；
3. 結合大模型能力與規則/模型手段，參與數據篩選、數據增強、數據挖掘及人工反饋閉環，持續提升數據質量與訓練價值；
4. 與算法、標注、平臺工程團隊協作，保障大模型訓練、評測與業務交付的數據供給穩定高效；
5. 推進數據生產鏈路的工程化建設，優化數據流轉與處理效率，構建可復用、可擴展的數據生產體系。
崗位要求：
1. 工程能力扎實，能夠快速上手數據類工作，具備良好的代碼習慣和復雜問題拆解能力；
2. 熟練使用至少一種編程語言（Python / Go / Shell 等），具備大規模數據處理與自動化腳本經驗；
3. 有實際的數據獲取、下載、清洗、格式轉換、質量校驗經驗，能獨立完成從原始數據到可用訓練數據的全流程；
4. 了解大模型訓練數據形態（如預訓練、SFT、評測數據），或有多模態數據處理經驗者優先；
5. 認可數據是大模型核心競爭力，對數據質量、規模和效率敏感，愿意長期深耕數據工程方向。
加分項（Nice to Have）
? 有爬蟲、批量下載、內容解析或反爬應對經驗；
? 有音視頻處理、文本清洗、內容過濾、去重等經驗；
? 熟悉 Linux 環境及多進程 / 分布式 / 批處理任務；
? 參與過大模型數據生產、清洗或評測體系建設。