百度大模型数据运营（创意短剧/漫剧方向）（J97263）

-领域知识显性化：需要能将成功的爆款经验，转化为可供AI大模型学习与遵循的清晰标准、规则与评估维度 -体系化思维：对感性的内容创作进行逻辑解构，能够定义“高质量”的具体数据指标与特征，并构建系统性的知识框架 -评估与校准能力：具备敏锐的判别力与分析能力，精准评估AI大模型在内容生成、情节编排、人设构建等方面的输出质量，并提供精准、可执行的优化方向 -深度用户理解：结合内容消费者的情绪曲线与心理动机，预判AI大模型的产出，支撑真实市场需求与模型能力对齐

负责AI模型训练及评测相关的数据运营工作，与算法团队配合不断优化提升AI模型效果。具体工作内容包括： 1. 明确大模型训练及评测场景中的数据需求，进行需求梳理、方案制定和质检，交付高质量数据； 2. 建立有效的培训、质检、沟通等机制，保障数据的高质量高效率交付； 3. 建立有效的数据分类和管理机制，为相关团队提供高效可靠的数据获取方案； 4. 与各相关部门保持良好沟通，收集并协调各方数据需求，为项目提供数据运营相关支持。

1. 预训练语料策略与体系搭建，负责大模型预训练阶段的数据策略，覆盖通用语料、垂直领域语料的全流程数据方案设计。 2. 主导数据评估：建立清晰可量化的数据评估标准，提高评估效率；验证数据有效性，推动模型迭代； 3. 数据驱动的模型迭代，深度理解预训练技术原理，通过数据分析定位模型能力短板，制定针对性数据补充策略，推动模型技术迭代升级。 4. 前沿探索，保持对开源模型（如DeepSeek、Qwen等）及学术前沿的敏锐度,沉淀可复用的数据方法论,为团队提供中短期数据策略规划。 5. 与算法、技术团队合作开发数据工具链，主动发现问题，发起项目，管理数据生产团队,把控数据质量与项目进度,推动跨团队高效协作,确保数据按时高质交付。 6. 主导垂直领域语料体系的从0到1搭建（包括但不限于人文/学科/code等体系），能够定义各体系的质量标准，并设计可量化的评估指标。

1.行业信息调研：通过行业调研、信息收集、论文解读等方式为数据生产方案提供更多认知输入； 2.标注方案制定及执行：根据标注需求和规则，完成Agentic模型训练和效果评估数据的标注方案设计和数据生产； 3.项目管理：协助mentor监控和管理数据生产项目进展，保障数据交付质量； 4.人员管理：协助mentor完成内/外部标注人员管理，包括但不限于人员信息管理、培训成长等。