传音大模型语言数据标注实习生(J18213)
任职要求
1.英专、汉语言、语言学、小语种、计算语言学、语言学及应用语言学、语言与言语信息处理专业等，了解过计算语言学或语料库语言学等方向课程，本科及以上学历，理论语言学基础扎实过硬，对应用语言学知识到工业界有强烈的兴趣。 2.英语水平良好，有雅思、托福成绩证书优先。 3.能够一周连续出勤至少四天优先。 4.会基础编程，能使用python进行文本处理、正则表达式优先。 5.…
工作职责
1.学习并参与对话系统、大模型前沿方向的数据运营工作，如意图分类、实体识别、文档摘要、角色扮演、AI搜索、文生图等，重点负责模型的数据集制作和标签管理。了解业务流程和算法流程，完成复杂标注任务的设计，在此基础上对原始数据进行处理，包括数据的爬取、筛选和清洗，并制定标注标准。 2.培训海外标注团队，进行数据质检，把控标注质量，确保数据的准确性和一致性。 3.按项目要求对模型进行评测和效果分析，完成复杂的数据分析任务，及时反馈问题，根据模型效果调整数据和标注策略。
1.语料数据收集处理与标注：参与社交场景的文本对话语料收集、清洗和标注工作；协助 LLM、TTS 语音数据的处理、分类和质量评估；设计并执行语料标注规范，确保数据质量；协助寻找音源，能够使用AI工具合成音频数据。 2.模型评测与质量控制：参与大模型输出结果的人工评测和质量分析；执行语料质量检查流程，确保标注准确性；协助建立评测标准，参与模型输出质量评估。 3.数据分析与报告：记录并分析标注过程中的问题和改进点；撰写数据处理和评测报告。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、负责大模型工科领域相关数据的标注工作，确保标注数据的准确性和规范性，为模型训练提供高质量数据支撑； 2、参与大模型的评测任务，针对工科场景下的模型生成能力进行测试和评估，分析模型表现，提出改进建议； 3、与模型研发团队紧密互动，深入理解模型需求，设计符合工科专业场景的数据标注标准和评测方案； 4、处理多工科领域相关的数据任务，涵盖土木、力学、测绘、机械工程、计算机、能源等专业场景，保障数据的全面性和适用性； 5、运用专业知识及Python等工具，辅助进行数据处理脚本的编写、优化，提升数据处理效率。
1.数据标注与质量提升：根据详细的标注规则与质量标准，对AI大模型的聊天对话数据进行精准的标注、分类、评估和修正。这包括但不限于指令评估、回复质量打分、多轮对话改写、问题泛化等，旨在不断提升训练数据的质量 2.质量审核与反馈：对已标注的数据结果进行严格的质量检查与审核，确保数据的准确性与一致性。能够主动发现标注过程中的共性问题和数据缺陷，并及时向项目组反馈，参与标注规则的优化讨论 3.跨团队协作支持：与算法、产品等相关部门保持积极沟通，理解其数据需求背景，为模型训练和优化提供高质量的数据支持，并协助完成部分培训答疑工作