基本要求 1. 计算机、自动化、数学、统计等相关专业，硕士及以上学历； 2. 扎实的机器学习基础，熟练 PyTorch，理解半监督、自监督、主动学习、弱监督等关键范式； 3. 在大模型/多模型协同自动标注、长尾挖掘、样本选择或数据质量评估任一方向有实战经验； 4. 良好的工程能力，能独立搭建大规模数据筛选、标注、评估管线。 加分项 1. CVPR/ICCV/NeurIPS/ICLR/ICML 等顶会一作论文； 2. 在自动驾驶、具身智能或机器人公司有过端到端数据闭环建设的实战经验； 3. 熟悉 Auto-labeling、Pseudo-labeling、Foundation Model as Annotator 等近一年新范式； 4. 对数据飞轮、Scaling Law、模型迭代效率有自己的思考与代表性作品。