【岗位愿景】 我们坚信 Data-Centric AI 是通向 AGI 的核心路径。在这里，你将不再是单纯的“数据处理者”，而是多模态大模型“数据飞轮”的架构师与驱动者。你将直接参与打造下一代多模态大模型，用高质量的数据矩阵定义模型的认知与生成边界。 【核心职责】 1、构建核心数据引擎：主导多模态大模型在 Pre-training、SFT（指令微调）、RLHF（偏好对齐）等全阶段的数据体系建设。从零到一攻克海量多模态语料的智能采集、多维清洗、去重过滤、自动化标注与深度挖掘等核心技术壁垒。 2、驱动“数据-模型”飞轮迭代：建立“数据合成与构造 -> 模型训练 -> 能力评测”的全链路闭环验证体系。通过精准的数据消融与归因分析，确保数据策略能够实质性突破模型的基础能力上限。 3、打造极致的数据基建：参与设计并优化 PB 级多模态训练数据的全生命周期管理架构。突破海量数据的高效吞吐与加载瓶颈，为千亿级模型的高效分布式训练提供坚实底座。 4、探索前沿技术边界：持续追踪并复现学界与业界的最前沿成果（如 Scaling Law 在数据端的演进、合成数据生成技术等），将前沿算法敏捷落地于实际业务，极致挖掘多模态数据的潜在价值。

1、极客级别的工程能力：精通 Python、Shell 等语言，具备卓越的编码品味与架构设计能力；熟练掌握 Git 及敏捷开发流程，对代码质量有近乎严苛的追求，具备主导多人协作项目的实战经验。 2、深厚的 AI 算法底蕴：扎实的深度学习、CV 与 NLP 理论基础，精通 PyTorch 等主流框架；深入理解主流多模态大模型（如 GPT-4V, Gemini, LLaVA, MiniCPM-V 等）的底层架构与训练机制，具备丰富的模型微调与评测经验。 3、敏锐的数据嗅觉（Data Intuition）：对“什么是高质量数据”有深刻的直觉与洞察力。善于从繁杂的原始数据中发现提升模型能力的 Key Point，对 Bad Case 有极强的分析与解决能力。 4、前瞻视野与自驱力：时刻保持对前沿技术的饥饿感，具备优秀的英文文献阅读能力，能够快速学习并解决无先例可循的开放性难题。 面壁智能的岗位