阿里巴巴阿里控股-大模型数据工程师-Code/Agentic方向

1. 负责大模型的高质量的数据构造工作，主要在code、Agentic等垂域数据任务 2. 大规模数据解析、清洗、去重，以及数据生成/合成等工作，覆盖GitHub、代码镜像、内部代码库等。 3. 设计并实现面向 Agent 轨迹采集的沙盒环境，支持工具调用（Function Call）、多步规划、环境交互等行为记录。 4. 构建 Agentic 任务的数据标注规范和质量评估框架，包括轨迹合法性校验、奖励建模所需的偏好数据构造

1.基于模型内部评测和错误案例，系统性分析模型能力边界和短板；建立能力拆解框架（如代码生成可拆分为理解、规划、实现、调试等子能力） 2.主导高质量数据的获取、清洗、增强和验证；探索先进的数据合成技术（如基于强模型的蒸馏、多智能体协作生成）。 3.设计小规模实验验证数据有效性，建立数据-效果关联分析机制，量化数据投入产出比。

1.基于模型内部评测和错误案例，系统性分析模型能力边界和短板；建立能力拆解框架（如代码生成可拆分为理解、规划、实现、调试等子能力） 2.主导高质量数据的获取、清洗、增强和验证；探索先进的数据合成技术（如基于强模型的蒸馏、多智能体协作生成）。 3.设计小规模实验验证数据有效性，建立数据-效果关联分析机制，量化数据投入产出比。

我们正在寻找一位兼具技术深度与行业广度的数据采购技术专家。您不仅是大模型技术的“鉴赏家”，更是数据供应链生态的“战略家”。您将利用对全球大模型数据供应商格局及行业趋势的深刻洞察，主导我们的数据资源引入策略，评估供应商的长期发展潜力与交付能力，确保我们的数据供应链既具备技术领先性，又拥有商业可持续性。 1. 供应商生态图谱与趋势研判：构建并维护全球大模型数据供应商的生态图谱。深入分析不同供应商（如数据标注、合成数据、真机采集、预训练数据提供商）的商业模式、技术壁垒及市场定位，预判行业整合趋势，为公司引入最具潜力的合作伙伴。 2. 数据供应链技术评估：针对具身智能、多模态等大模型前沿领域，评估供应商的数据采集能力（如仿真引擎、真机遥操作）、数据处理管线（Pipeline）及质量控制标准。确保供应商的技术路线符合行业Scaling Law的发展趋势。 3. 技术尽调与交付能力验证：主导对潜在供应商的技术尽职调查。不仅审查其现有数据质量，更要评估其数据生产的自动化水平、成本控制能力及未来技术迭代路线，规避供应商“掉队”风险。 4. 前沿技术引入与落地：追踪大模型数据领域的最新技术突破（如World Model生成数据、自动化标注技术），识别并引入能显著提升模型效果的创新数据源或工具，推动采购品类从“买数据”向“买能力”转型。 5. 跨部门技术协同：作为采购与业务技术部门的桥梁，将外部供应商的技术能力转化为内部可理解的评估报告，协助算法团队制定数据需求标准，并参与技术谈判。