LLM数据处理

岗位职责

1. 参与LLM大模型的数据准备、数据清洗、质量过滤及数据实验等工作，交付高质量训练数据；
2. 参与建设对标业内前沿的LLM训练数据集，并在此基础上持续迭代，进一步提升数据质量和多样性；
3. 参与构建和维护高性能LLM数据处理Pipeline，优化链路成本，提升性能和稳定性；
4. 与算法同学协作，参与大模型训练数据的质量分析、评估体系建设和数据迭代，推动模型效果提升。

任职要求

1. 计算机/软件工程等相关专业本科以上学历，拥有LLM相关专业硕士/博士学位者优先；
2. 熟悉常见数据处理流程，拥有大模型数据处理与合成经验，有一线互联网大模型数据处理实习经历者优先；
3. 熟悉Python，了解大模型训练和推理框架（PyTorch、vLLM、SGLang等），了解分布式数据处理框架（Spark/PySpark、Ray等），具备数据任务开发调试能力；
4. 具备优秀的分析和解决问题能力，良好的团队合作精神及沟通意识；