计算机科学、人工智能或相关专业硕士及以上在读。 熟练掌握 Python 及主流数据处理框架（如 Pandas, PySpark），具备扎实的工程实现能力。 深入理解大语言模型的预训练数据构建全流程（从数据源到模型输入），熟悉主流模型架构（如 Transformer）和基础训练范式。 对语言模型和对话系统充满热情，热衷于探索其背后的工作原理与应用场景。 加分项（满足一项或多项）： 数据审美与洞察力： 对数据质量有敏锐的“直觉”和高标准的审美，能够从海量数据中识别出真正具有价值的“黄金”样本。 实战经验： 具备大模型相关数据构建、训练或评估的实习/项目经验，或有实际参与对话/指令微调项目。 学术能力： 在ACL, EMNLP, NeurIPS, ICLR等顶级会议发表过与NLP/LLM相关的论文。 工程能力： 熟悉大规模数据处理流程与工具（如 Docker, Git, 分布式计算），代码风格清晰规范。