岗位描述
负责多模态大模型在预训练、指令微调、偏好对齐等阶段的数据建设工作，包括数据采集、数据入库、数据清洗、数据观测、数据挖掘等环节；负责多模态数据的闭环验证，建立从数据构造、模型训练到性能评测的全链路闭环体系，确保数据有效提升模型基础能力；参与训练数据全生命周期管理体系建设，支撑多模态大模型场景下海量训练数据的高效读取，提升模型训练工程效率；跟进业界最新技术与进展，结合实际场景落地，持续提升数据质量并挖掘数据价值。要求具备扎实编码能力，熟悉 Python、Shell 等脚本语言，熟悉多模态大模型基本原理和至少一种深度学习框架，如 PyTorch，具备模型开发、部署、微调经验，并掌握计算机视觉与自然语言处理相关基础知识。