小红书大模型数据运营专家（预训练方向）
任职要求
1. 硕士及以上学历,计算机、计算语言学、数据科学、信息检索、NLP相关专业优先;有预训练语料处理、大规模数据工程经验者优先。 2. 1年以上大模型预训练数据策略运营/产品经验,了解通用预训练数据处理流程。 3. 具备优秀的数据分析能力,能通过Loss曲线、…
工作职责
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、基于产品研发运营和业务需要，在内容垂类方向产出高质量文本数据，用于相关大模型训练； 2、参与大模型垂类数据标注标准的制定和优化，在既定标注标准下，完成相关数据的生产任务，总结抽象各类问题，反哺产品、研发、运营及业务，持续优化、细化标注标准，保障数据质量； 3、对数据生产方法进行探索，推动尝试，持续提升标注数据的准确性和生产效率。
1.负责面向游戏领域语音大模型的构建，包括预训练、指令微调、训练和推理加速、模型评测等； 2.探索大语音模型技术在游戏场景中的应用，为游戏创作、运营、交互体验等各环节提供更智能化的模型能力； 3.优化现有线上算法，包括对话TTS，千人千面语音，多语种TTS，音乐生成，歌声合成等方向研发工作，结合实际业务需求与数据，研发高效可靠的语音合成解决方案； 4.跟踪探索大语音模型的前沿技术与应用落地。
1、负责字节跳动互娱研发泛质量方向各业务场景下，LLM算法在需求设计、开发、测试、线上等软件工程领域的应用研究与算法落地工作，提升研发、测试的效率和质量，业务场景包括但不限于需求风险分级/智能单测/用例生成/UI生成/代码图谱/智能测试等； 2、跟踪LLM领域的最新研究成果，用以持续提升算法应用效果，研究方向包括但不限于语言LLM、多模态LLM，Prompt工程/RAG/Agents/SFT/RLHF等LLM相关前沿技术； 3、深度参与产品研发项目，和产品经理/业务研发/业务质量/运营等同学密切配合，提高项目整体效率和收益。
团队介绍：AI应用与创新团队，立足于抖音集团（抖音、直播、今日头条、番茄小说、财经等），致力于AI技术研究与业务创新赋能，包括：AI x 体验、 AI x 质量、AI x 安全等，助力业务品质与口碑的持续提升。 团队积极向上，工程师文化，技术氛围好，拥有算法（大模型、推荐、机器学习）、工程（后台、前端、大数据）、产品等多种职能岗位，地域覆盖深圳、北京、杭州、上海。 1、负责字节跳动抖音系产品多业务场景下的代码AI提效&提质相关研发工作，包括并不限于代码风险识别、代码数字孪生、智能单测生成等； 2、持续跟进LLM和软件工程的前沿技术，关注AI Coding、UI建站、PRD审计、多Agent协同等前沿技术进展，探索新技术在代码AI方向的应用； 3、深入分析业务和技术问题，和产品/研发/质量/运营等同学密切配合解决，提高项目整体效率和收益。