1、参与构建高质量、多维度的训练/验证/测试样本集，支撑敏感数据识别模型在文本、图像、多模态场景下的分类与检测任务； 2、协助设计并迭代数据标注规范，执行数据清洗、去重、增强及结构化处理，保障样本质量与一致性； 3、参与分类模型的训练、调参与效果评估，针对 bad case 进行归因分析并驱动样本补充与策略优化； 4、基于模型预测结果与线上反馈，完成数据飞轮闭环中的样本挖掘、难例筛选与主动学习流程，持续提升模型准召； 5、编写数据处理与评估脚本（Python、SQL），利用大模型能力辅助标注、质检与知识抽取，推动标注流程 AI-Native 化； 6、沉淀敏感数据识别领域知识，将分类定义、判定规则与边界案例结构化为可被模型消费的知识资产，驱动数据飞轮持续运转。