小米大模型数据策略工程师实习生
任职要求
1. 计算机或相关专业硕士及以上 2. 了解hadoop/spark等大数据处理框架 3.熟悉Python/scala/java中的一种语言，熟练掌握主流深度学习框架了pytorch/tensorflow，…
工作职责
参与大模型数据清洗及处理技术的研发与优化，包括但不限于： 1.大模型数据质量的持续提升改进与实现； 2.参与数据主题分类模型的构建 3.VLM/ALM/LLM数据的合成与生产的协同优化； 4.提示工程（Prompt Engineering）的探索 5.构建和评测数据的质量及评估的方法及评测集的构建 6.跟进学术界与工业界最新进展。
1、音视频模型的数据策略制定：基于模型训练方法与需求，制定并迭代含合成数据在内的整体数据构建策略，同步调研市场数据新趋势，为策略优化提供支撑； 2、数据产线搭建：锚定模型训练目标，设计数据生产链路及核心步骤，发起项目并主导全流程设计、优先级判定及项目管理，保障高效产出高质量数据； 3、质量与效果评估：建立可量化数据质量验收标准，优化验收流程；开展模型效果评估与深度分析，联动技术团队定位模型改进点； 4、模式创新：用好大模型赋能生产，搭建自动化的数据生产系统，以实现提效与规模化。
1.针对大模型Coding场景，拆解代码生成、代码补全等核心能力，建立科学的代码标注和评测体系。 2. 主导代码标注资源管理与数据构建，确保数据质量和一致性，支持coding智能体训练、评测。 3. 设计自动化数据合成及清洗方案，实现规模化高质量数据生产。 4. 监测模型效果，输出系统化分析报告，持续优化数据方案。
1.制定大模型后训练分Topic数据策略，搭建数据质量评估体系与数据生产标准，针对性优化数据短板，提升模型训练效果； 2.全面管理数据合成、数据质检、数据标注、数据运营小组，负责团队搭建、流程制定、任务统筹与绩效管控，保障数据高效高质量交付； 3.协同算法、研发团队，对齐模型训练需求，落地数据优化方案，跟进数据-模型效果联动优化，推动数据生产智能化升级； 4.把控数据合规与安全，统筹数据项目进度与目标达成，定期复盘数据质量与团队效能。
1.Agent与代码数据策略：负责大模型 Coding 与 AI Agent 方向的数据需求设计与配比策略，针对代码生成、代码补全、复杂任务规划、工具调用等核心能力，制定数据分布、采样及难度分级策略； 2.优化数据生产链路：设计并推进高效、高质量的数据生产方案，制定针对复杂模型任务的数据标准，打通数据流转与模型迭代的闭环链路； 3.评测体系与场景验证：基于复杂交互场景构建科学的动态评测集，参与搭建前沿模型训练所需的底层验证与交互环境，持续驱动模型能力上限的突破。