工作职责： 1、参与大模型训练数据从采集、解析、清洗、去重、质量评估、合成加工到训练供给的完整流程，与模型算法团队紧密协作，持续优化数据质量、数据结构和数据处理效率。 2、参与代码、智能体、通用推理等多种类型数据的生产与管理，开发和维护大规模数据处理Pipeline，提升数据处理任务的自动化程度、运行效率和稳定性。 3、参与数据合成、自动标注系统建设、高质量数据体系建设等工作，保证训练数据可追踪、可复现和可评估。 4、与模型算法和评测团队协作，基于真实应用场景反馈，分析训练数据与模型效果之间的关系，参与错误案例分析和数据迭代，推动模型效果持续进步。 5、参与构建代码工程、AI搜索、工具调用、任务规划和多轮交互等复杂智能体任务轨迹数据。 任职资格： 1、重点院校计算机科学、软件工程、人工智能、数据科学、数学、自动化等专业毕业，本科及以上学历。 2、具有扎实的编程和计算机基础，熟练掌握 Python等语言，具备良好的编程习惯和代码调试能力，熟悉 Linux 开发环境，能够使用 Git及AICoding类常用研发工具。 3、对大语言模型和训练数据具有浓厚的兴趣，认同训练数据质量对模型能力的重要性，愿意深入分析数据问题及其对模型效果的影响。 4、具备较强的学习能力、问题分析能力和实际动手能力，能够独立完成任务并持续优化结果。 5、具有良好的沟通能力和团队协作意识。 此岗位为科大讯飞集团统一招聘岗位，人员通过简历筛选、初试、复试、终审等环节后录用。 加分项 1、在算法编程竞赛、数学竞赛或其他相关比赛中取得过较好成绩。 2、在大语言模型、自然语言处理、机器学习等方向发表过高水平论文，或参与过有影响力的开源项目。 3、有大语言模型、数据挖掘、机器学习相关的实习或科研经历。