职位描述
1、负责多模态 / 大模型（含视频、音频、图文等方向）训练数据的工业化生产与交付，建设覆盖数据采集、清洗、加工、自动化标注、质检到交付的全链路数据流水线，保障大规模训练数据按时、按质、按量稳定交付；
2、深入理解算法团队在预训练（PT）、继续训练（CT）、SFT、RL 等各阶段的数据需求，将模型对数据的诉求转化为可执行的数据生产方案、数据配比策略与交付标准，对交付数据的质量与最终训练效果负责；
3、负责数据处理与自动化标注流水线的 Infra 架构设计、核心代码编写与维护，持续提升数据生产的吞吐量、自动化程度与单位成本效率；
4、建立数据质量评估体系与工程交付监控体系，对线上数据流水线的稳定性、数据一致性与全链路可追溯性负责，以极强的细心与严谨态度排查解决各类复杂的工程和数据质量瓶颈；
5、统筹内外部数据源与标注资源，建立规范的数据验收、交付与回流机制，保障数据资产的规范管理与高效复用。任职要求
1、具备扎实的计算机基础与优秀的工程习惯（如规范的代码风格、完善的日志与错误处理机制），熟练掌握 Python，具备良好的系统设计与架构能力；
2、有大模型 / 多模态方向数据工程或数据交付实战经验，熟悉 LLM、VLM、Diffusion、ASR 等模型对训练数据的要求；有头部大模型团队（如通义千问等）数据工程 / 数据交付方向经验者优先；
3、熟悉大规模数据处理与分布式计算框架（如 Ray、Spark），有自动化标注流水线、数据质检工具链建设经验者优先；
4、做事极具细心与责任心，对线上生产环境与数据质量心存敬畏，具备出色的数据问题定位与流水线故障排查能力；
5、极强的工业化落地与目标导向能力，善于将复杂的算法数据需求转化为稳定、高吞吐的工程交付方案；了解模型推理与部署（如 vLLM、TensorRT-LLM 等）或具备前后端开发经验（如 FastAPI、Flask、Vue/React 等）者优先。
