智能互联千问事业部-高级数据研发专家-大模型方向
任职要求
1. 主导过LLM、VLM、ASR或TTS大模型预训练及微调语料数据建设工作，有丰富的数据交付经验； 2. 精通大规模分布式数据处理技术（如spark/flink/ray等），拥有从0到1搭建全模态数据处理pipeline的丰富实战经验； 3. 深刻理解大模型训练数据的特性与需求…
工作职责
1. 负责大模型数据研发方向，为LLM、VLM、ASR、TTS及omni model的训练供给优质语料数据，推动各业务场景提升模型训练效果； 2. 与算法团队协同、搭建各模态数据处理pipeline，利用业界先进技术对数据进行清洗、去重、打标、标注、圈选、打包，交付优质数据进行模型训练，提升整体交付效率和数据质量； 3. 与数据采集团队协同，推动前沿数据获取策略的研发与落地，探索合成数据技术，主动解决特定领域或模-态的数据稀缺与多样性挑战； 4. 构建各模态数据分类&质量体系及数据画像，对数据进行多维度、细粒度分析，基于模型训练效果反馈进行数据挖掘，指导数据收录优化方向，构建数据飞轮。
1. 负责语料数据处理工程架构的整体设计与演进，覆盖文本、图片、音视频等多模态语料的清洗、处理与交付，支撑千问app toC业务场景的高质量语料供给； 2. 负责语料数据处理体系的架构设计与能力建设，基于对模型训练需求与语料特性的理解，设计标准化的数据处理算子与Pipeline体系（如清洗、去重、过滤、结构化、对齐、质量评估等），与基础调度及AI Infra团队协同，实现大规模语料数据处理的效率提升与成本优化； 3. 构建语料数据管控、数据画像与数据资产管理能力，对语料数据的来源、结构、分布、质量、覆盖度及使用效果进行系统化刻画，实现语料数据的可管理、可理解、可追溯，为模型训练与业务优化提供数据洞察与决策支持； 4. 打造语料数据质量评估平台，支持多模态语料数据质量分析，沉淀高质量语料数据资产，并通过AI能力显著提升语料生产效率与质量； 5. 构建语料数据分析与效果归因能力，打通“语料数据—模型训练—业务效果”的反馈链路，通过数据分析识别关键数据问题与数据缺口，指导语料数据采集、处理与标注策略，形成持续优化的数据飞轮； 6. 规划语料方向的Agent应用落地，覆盖数据处理、问题排查、指标分析、效果归因等各环节，提升模型语料数据建设的效率与效果； 7. 作为工程架构负责人，统筹语料数据处理相关技术方向与系统演进，带领团队完成关键系统建设，并与算法、业务及AI基础平台团队协同，推动语料数据体系在各类AI场景中的落地。
1、负责千问C端事业群用户数据平台规划与团队管理，构建完整的用户数据资产体系，在合规基础上多手段持续提升用户画像和重点人群的覆盖与准确，完善用户标签体系，探索新的画像体系的构建，建立数据质量保障和迭代机制； 2、深度理解千问APP、智能体等业务场景与数据需求，主导数据平台架构设计，驱动提升数据采集与计算效率，为业务核心问题提供有效归因和增量洞察； 3、统筹跨部门协作，推动用户数据在千问APP、智能体、用户发展等多场景的应用落地，以业务价值驱动用户数据的迭代优化； 4、持续演进数据平台产品，加强数据服务能力，包括不限于画像人群平台、智能分析工具等，通过产品化方案降低数据使用成本、提升分析洞察效率。
1、负责规模、营收业绩达成全链路中的数据化运营的数据指标体系构建、数据产品建设； 2、通过数据化指引，帮助业务达成目标，包含业务目标拆解、机会点洞察、业绩监控、异动分析、协同运营策略推进落地、商业变现等； 3、基于对业务理解，熟练运用多种分析手段和方法（如海量数据分析和挖掘手段、资料收集&分析、行业研究、竞争分析等），诊断业务问题、评估运营效果等，为业务提供决策支持和参考； 4、通过对业务数据的挖掘，对专项问题、指定方向的重点研究与分析，能输出专项的商业分析报告，清晰传达帮助业务看清问题，并沉淀方法论。
1、高效承接多个业务算法团队的数据标注业务需求（大模型图片、文本、视觉模型、搜索模型等），深入理解业务场景需求，结合算法特性设计标注策略，独立承担项目管理、流程优化、质量把控等工作，确保对业务的交付； 2、统筹管理多个项目的内部标注人员与第三方服务商，确保质量、效率、进度符合业务需求； 3、建立与业务间的良好合作，推动标注与模型训练的高效协同； 4、参与标注系统、机器辅助标注等工具的开发、应用与优化，通过工具/流程的优化，以及能力建设、沉淀，不断提升标注团队的交付水平； 5、熟悉AI产品，并能有效应用到实际业务。