职位描述1. 负责数据质量的分级打分：把上游各维度的实测指标加权成可解释的质量等级，输出带前后对比与证据链的质检报告，并给出定价提示； 2. 把分布建模与价值评估做成平台能力：让客户能对自己采集的数据做表示空间分析、分布统计与相似度聚类，得到单批数据边际训练价值的量化结论； 3. 设计自动化数据筛选能力：让客户能按质量分级、多样性与价值密度从自己的数据里挑出训练子集，并支持按任务定制的数据集组装策略； 4. 难例与长尾挖掘能力：让客户能基于覆盖度缺口、失败模式与表示空间稀疏度找出自己数据里的高价值样本，并提供负样本生成与样本均衡策略；算法需区分多样性与低质量，避免把多样性样本当作噪声剔除； 5. 覆盖度与多样性的量化：按任务、场景、操作者维度统计覆盖度并识别分布缺口，为客户产出定向补采清单，回流到采集端与采集指南，指导客户下一轮采什么； 6. 基于内部验证基线建立数据特征与训练表现的关联分析，把模型侧的失败模式转化为数据侧可执行的筛选与挖掘规则，并沉淀为客户可复用的筛选策略；与 VLA 算法工程师协作完成。任职要求1、2027 届硕士及以上学历，机器学习、数据挖掘、统计学或相关专业； 2、机器学习与统计理论扎实，熟悉表示学习、聚类、主动学习与样本选择方法； 3、做过多维指标的加权评分或分级体系，能说清每一维的权重依据，并让评分结果对使用方可解释、可复算； 4、熟练使用 Python 与 PyTorch/TensorFlow，能独立完成大规模数据的特征提取、分布分析与可视化； 5、有从大规模数据中挑出高价值样本的项目或科研案例，能说清筛选策略带来的效果增益是怎么验证的； 6、具备数据工程能力，能处理非结构化高频时序数据（视频流、传感器信号），而非仅表格型数据； 7、熟练使用 Claude Code、Codex 等 AI 编码工具，熟悉 Agent 框架与工作流编排。 加分项 1、有数据价值评估、数据配比或难例挖掘方向的论文或项目； 2、有机器人学习或自动驾驶数据闭环相关的实习经历； 3、熟悉 LeRobot / RLDS 等机器人训练数据格式。
