百度大模型数据算法工程师（J82724）

-负责百度知识管理平台的基础服务架构、相关组件与模块设计与开发 -提升百度知识管理平台商业化服务稳定性，确保业务高可用 -构建百度知识管理平台私有云/公有云交付能力 -提升交付质量与效率，支持标准化、规模化大客户项目落地 -参与百度知识管理平台商业化业务开放能力建设；满足各类第三方生态接入，满足客户的二次开发需求

岗位职责： 1. 参与⾳频理解的算法调研、落地应⽤、效果调优； 2. 负责⾳频理解技术在业务场景的适配和落地； 3. 将合适的⼯作成果最终形成论⽂发表；

1.设计训练数据全生命周期管理方案，涵盖元数据与血缘管理、质量监控（异常检测/置信校准）、自动化评估体系，为模型训练提供稳定、可靠的高质量数据； 2.探索大模型强化数据及SFT数据合成路径，推动大模型中数据价值验证方法论的建设与落地； 3.抽象并开发高效、可靠的数据加工框架，全面管理数据，提供训练数据的可视化、可观测能力；提升训练数据治理的工程效率； 4.不断跟进业界前沿数据算法并进行落地，提高数据算法效果和效率，为大模型储备高质量的数据资源。

1. 负责自动驾驶多模态数据的合成技术研发与工程实现，构建高质量、多样化的仿真与合成数据，提升训练数据的覆盖场景丰富度与边界案例覆盖率，满足端到端自动驾驶模型的训练需求； 2. 深入分析自动驾驶训练数据的特征与分布规律，运用统计建模、机器学习与因果推理方法挖掘数据中的潜在问题（如样本偏差、长尾分布、标签错误、对抗样本等）； 3. 研究并开发面向自动驾驶场景的高效自动标签算法，基于规则算法和大模型数据挖掘方法，提升为大模型pretrain,sft,RL阶段提供高质量数据； 4. 构建端到端的数据质量评估与过滤体系，设计适用于自动驾驶任务的数据质量指标（如场景完整性、数据分布合理性、时序一致性、合规性等），开发自动化检测工具链，对标签数据、合成数据开展模型训练，提升模型在安全性，效率，合规，安心感等方面的表现； 5. 持续跟踪自动驾驶与大模型的前沿数据技术，推动数据合成、自动标注、质量评估等核心算法在实际工程系统中的部署与落地。