安克创新AI数据工程师

以数据驱动、评测驱动的方式，构建数据高效迭代闭环，建立从数据寻源、标注、处理、合成到评测的全链路数据体系，持续建设高质量数据集和评测集，不断推动基础模型能力提升，推动AI模型和应用发展。 具体职责包括以下相关方向的一项或多项： 1.全模态数据处理： ● 参与研发万亿级数据规模的全模态数据处理引擎。 ● 通过设计高性能、可复用的数据处理算子，构建覆盖全生命周期的自动化数据生产pipeline。 ● 解决海量数据在清洗、脱敏及增强过程中的计算瓶颈，利用智能筛选与精准对齐算法交付极具竞争力的高质量训练集。 ● 持续优化全链路交付效能，确保数据质量与处理规模世界领先。 2.大模型数据理解与资产体系建设： ● 参与全模态AI数据基础设施建设。 负责设计支撑AGI 演进的多模态语义标签标准与特征映射体系，通过构建先进的质量度量模型与内容理解框架，实现对海量 3D、视频、音频等复杂数据的自动化精炼，精细化的数据理解体系加速AGI发展的科学性与高效性。 ● 构建核心AI数据战略资产体系。 结合业务垂直场景与最前沿算法，深度参与海量数据的解析、挖掘与性能优化，驱动EB级全模态数据的深度解析与价值发现；通过全链路的智能处理与挖掘优化，将海量数据转化为高稀缺性和行业竞争壁垒的AI数据资产。 3.领域全链路数据策略建设： ● 设计实现面向大模型细分领域的模型性能优化的全链路数据体系，涵盖评测体系设计、数据加工与数据合成链路、数据标注策略设计。 ● 深度理解大模型细分领域的技术点，实践“评测驱动”（Evaluation-Driven Development，EDD）的大模型迭代方法，确保千问、万相等基础模型能力持续处于世界领先水平。

1、负责大模型 SFT/DPO/RL/RAG 等训练范式的数据采集、清洗、标注与质量评估，体系化构建大模型高质量数据集生产 Pipeline。 2、探索 AI for Data 前沿实践：研发数据增强与智能合成技术，利用 AI 自动化生产和校验训练数据，构建「AI 生产数据 → 数据训练 AI」的数据飞轮，持续提升数据质量与多样性。 3、建设大模型训练数据体系，沉淀训练数据集、模型评测集、用户标签体系与模型效果指标体系，将业务专家经验系统性转化为可复用的 AI 数据资产。 4、开发数据 Agent：基于大模型与 Agent 框架，构建覆盖数据采集、清洗、标注、质检等环节的自动化 Agent，实现数据生产流程的智能化与自主化，降低人工干预成本。 5、深度协同算法与业务团队，针对 PE/RAG/SFT/DPO/RL 等大模型落地方案设计专项数据解决方案，基于模型效果反馈持续迭代数据策略；积极使用 Claude Code/Cursor 等 AI 辅助研发工具，以 AI 原生方式提升数据工程效率。

-负责模型训练数据集构建，包括数据采集、数据清洗与处理、标签体系构建等 -参与数据处理pipeline建设，包括数据存储、检索、特征计算等，提升模型数据供给效率与体验 -负责根据模型训练效果进行数据分析，匹配业务需求，构建充足高质量的数据 -调研探索高效的数据集构建方案

1、参与海外社交媒体、新闻、电商等多源数据的采集与结构化解析； 2、负责数据清洗、去噪、格式化与语料质量评估； 3、参与大语言模型（LLM）训练语料的构建、筛选与样本设计； 4、辅助算法工程师完成语料标注、数据增强及模型效果分析； 5、基于算法需求探索文本聚类、相似度匹配、内容分类等数据处理方案。