百度大模型数据策略工程师（J93542）
任职要求
-计算机/统计/数学等相关专业在读，编程与机器学习基础扎实，熟悉Python -了解PyTorch/Transformers等训练生态，具备基础数据管道与训练脚本编写能力；熟悉Linux/Git/SQL，理解并行/分布式数据处理 -理解对齐与偏好学习流程（SFT、RM、DPO/PPO/GRPO），能进行基础的数据处理、合成、抽样与消融实验，并…
工作职责
- 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
-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
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。
1.整体目标：提升模型在 Agent 方向的专业能力。围绕代码生成、通用agent等场景，设计高质量的 Agent 训练语料；构建端到端的测试用例，从可用性、代码规范、工程质量、任务完成度等多维度评估模型表现； 2.设计并构造高质量的 Agent 评测数据集，能够精准区分不同模型的能力边界；针对 Agent 的规划、工具调用、多轮交互、指令跟随等核心能力，构建多样化的测试场景与用例；持续迭代评测标准，确保评测体系能够跟进业界前沿并反映真实用户需求； 3.探索不同数据标注策略对模型 Agent 能力的影响路径；参与数据与强化学习（RL）结合过程中的实验设计，研究模型能力的可控性检测方法，为训练策略优化提供数据侧支撑； 4.基于深度使用 Claude Code、OpenClaw 等主流 Agent 产品的实践经验，系统性分析当前模型的能力短板与失败模式；针对性地构建补齐数据与边界测试用例，推动模型在弱项上的持续迭代与突破。