百度大模型数据策略工程师（J82293）

-参与Feed推荐系统核心模块研发，设计并持续优化互动推荐算法，提高推荐准确性和个性化，增强用户互动体验。 -通过互动数据分析挖掘用户行为规律，制定并调整推荐策略，提升推荐效果。 -深入理解评论生成、精调评论生成模型、prompt优化，并与跨部门团队紧密合作，将推荐算法与业务需求结合，优化互动区产品体验。 -关注技术前沿，引入新技术，推动推荐算法的创新与优化。

参与大模型数据清洗及处理技术的研发与优化，包括但不限于： 1.大模型数据质量的持续提升改进与实现； 2.参与数据主题分类模型的构建 3.VLM数据的合成与生产的协同优化； 4.提示工程（Prompt Engineering）的探索 5.构建和评测数据的质量及评估的方法及评测集的构建 6.跟进学术界与工业界最新进展。

- 参与大模型数据策略与数据迭代（文本/多模态/代码），负责大规模数据构建与合成，支撑预训练/对齐效果 - 协助多模态、代码与工具调用数据的构建，进行包括分布式的清洗、合成、近重复/噪声检测与去重，建立难例库与反馈闭环，持续提升数据质量与密度 - 参与数据质量评估与筛选算法的实现：低质过滤，质量评分、LLM判别与复核等；针对代码与工具调用场景，引入编译/单测/沙箱执行/参数一致性校验 - 支持对齐与偏好学习数据，配合消融实验及评测指标分析，输出采样/准入/退场/权重等数据策略并推动落地

-负责大模型数据合成相关工作，包括技术调研、数据生成与处理、模型训练及效果评估 -负责大规模文本、多模态数据的处理与清洗工作，优化数据质量 -支持大模型在实际业务场景中的应用落地，负责平台客户的场景建模任务，将模型算法落地到客户的业务场景中 -与其他角色和团队合作，共同完成相关项目需求