蚂蚁金服蚂蚁集团-大模型语料建设专家-杭州

工作描述

任职要求
1. 8年以上数据工程、数据仓库或大规模数据处理经验，其中至少2年深耕大模型训练数据/语料建设，有TB级以上语料处理或从0到1语料体系落地的成功案例；
2. 深刻理解LLM训练数据飞轮与Scaling Law对数据规模、质量、配比的约束，有数据配比实验设计经验，并能给出对模型效果的可量化贡献；
3. 精通大规模语料处理Pipeline架构设计（去重、去污染、质量分层），熟悉主流数据质量评估方法与工具链，有自建评估基准集的经验；
4. 具备训练数据合规治理实战经验（版权、隐私、毒性及敏感信息过滤），熟悉集团内外部数据合规红线；
5. 扎实的工程能力（精通Python/Go/Java其一，熟练使用Spark、HiveSQL等大数据工具），能穿透到代码与数据细节定位复杂问题；
6. 具备跨团队协同与技术影响力，能驱动算法、产品、工程团队就语料标准与验收达成一致，有团队培养或技术规划经验。
加分项
1. 有头部互联网公司大模型数据集建设经验，或主导过支撑千亿/万亿参数模型训练的语料供给项目；
2. 有多模态语料（PDF解析、OCR后处理、音视频…