阿里巴巴业务技术-大模型数据工程师-急招
任职要求
基础要求： 1. 本科及以上学历，计算机、人工智能等相关专业优先 2. 3年以上大规模数据处理或模型训练工作经验 3. 精通Python、Java等至少一种编程语言，熟悉SQL及数据库操作 技术要求： 1. 精通文本、多模态等非结构化数据处理方法 2. 掌握数据清洗、特征提取、数据增强等核心技术 3. 熟悉深度学习框架（PyTorch等）和模型训练推理技术 4. 掌握AI数据合成技术，包括提示词工程、模型调用、数据生成质量评估等 5. 具备优秀的分析和解决复杂问题的能力 软技能： 1. 学…
工作职责
负责为大模型训练和Agent构建准备高质量数据，专注于海量数据收集、清洗、处理工作，为模型训练提供优质数据支撑。 1. 数据收集与获取：通过API接口、公开数据集、合作伙伴等多种方式收集文本、代码、多模态等训练数据 2. 数据清洗与预处理：进行数据去重、格式转换、质量筛选、内容过滤，处理HTML2Text、PDF2Text、OCR、ASR等格式转换 3. 数据标注与构建：设计数据标注方案，构建高质量的监督学习、强化学习训练数据集和评估数据集 4. 数据合成与生成：使用AI技术进行数据合成，包括文本生成、代码生成、多模态数据生成等，扩充训练数据规模 5. 需求对接与迭代：与模型训练团队、Agent开发团队密切协作，快速响应数据需求，持续优化数据质量 6. 工具开发与优化：开发数据处理工具和脚本，优化处理流程效率，确保大规模数据处理的稳定性
1. 负责大模型（LLM/MLLM）核心技术研发，包括预训练、垂域SFT、RLHF等，持续追踪和应用领域最新技术进展； 2. 负责大模型性能优化：研发模型加速技术，如量化、剪枝与知识蒸馏；优化数据特征与调度策略；构建高效推理链路、提升运行速度及降低成本； 3. 基于淘天用户丰富的消费行为，打造技术先进的电商用户理解大模型，提升对用户的异构行为本质的认知能力，支撑用户个性化的搜索、商详、互动等多种电商业务场景； 4. 基于淘天海量商品数据，打造技术先进的电商多模态大模型，提升对多模态异构的商品数据(图、文、视频等)的理解能力和结构化能力，输出底层算法能力和高质量结构化数据，支撑多种电商业务场景，并面向商家和消费者探索AIGC等创新业务应用； 5. 持续跟踪、探索大模型/多模态大模型方向的前沿技术，将各方向的SOTA能力集成到模型底座上，提升下游任务的效果，打造团队的技术先进性。
1. 基于需求实现AI相关产品的全流程开发，包括但不限于AI应用的架构设计、工程实现、系统部署。 2. 核心参与AI Agent开发，基于大语言模型（LLM）、多模态模型或垂直领域模型，开发具备自主决策能力的AI Agent，支持任务分解、工具调用（如API、数据库）和结果反馈。 3. 持续迭代优化Agent相关技术实现和架构设计，包括但不限于CE优化、RAG优化、调度优化、AI可观测性提升等。 4. 跟踪前沿AI技术（如最新Agent框架和最新基模能力等），推动技术持续创新。
1. 负责核心机器学习、深度学习的技术攻关，并编写/指导编写数据挖掘产品的核心代码，和产品组配合完成模型质量的评测并上线，持续进行业务效果闭环优化； 2. 可以基于开源LLM以及多模态大模型，通过SFT、COT、Prompt优化等技术持续优化大模型应用能力；可制定依赖RAG的Agent智能体构建，实现算法效果提升； 3. 基于大规模异构资料（文本、图像、位置）等多种模态资料进行大模型的预训练，构建属于POI业务特色的预训练模型，以及子任务应用和RLHF等闭环优化； 4. 运用机器学习、深度学习、大模型、Agent等AI算法，改善POI数据质量以提升亿级别用户的出行和信息体验。
我们是谁？ 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现厘米级高精地图、实时三维重建、多模态感知等核心技术的引擎，持续突破自动驾驶、AR导航、智慧交通等领域的技术边界。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 岗位职责： 团队主要聚焦多模态大模型及端到端模型在车端导航及定位应用，我们期待你的工作将覆盖以下至少一个技术方向即可： 1. 在端到端自动驾驶、BEV环境感知、多模态融合、强化学习等领域具备丰富且有独创性的研究经历； 2. 探索多模态大模型在下游任务中的技术能力，包括但不限于图文对齐/识别、跨模态理解生成、多模态检索、VLM端到端自动驾驶、世界模型等； 3. 了解大模型模型的训练/微调/推理加速方法，包括但不限于模型结构调优、训练效率提升、高效低成本微调、Muti-token推理，模型部署加速等； 4. 参与自动驾驶系统中机器学习算法的研究、开发与优化，包括但不限于深度学习算法在端到端感知大模型、规控大模型、视觉语言大模型等方面的应用； 5. 负责收集、整理和分析自动驾驶相关的数据集，进行数据预处理和标注，以提高模型的准确性和复杂场景泛化能力； 6. 设计和实现端到端自动驾驶模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性。