新华三
AI大模型数据策略工程师(J18894)
AI大模型数据策略工程师(J18894)
发布于 2 天前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Nlp
Rag
大模型 (Llm)
数据分析
数据工程
数据清洗
机器学习
知识图谱
值不值得投
77综合评分
综合评分 77
AI核心数据岗位，技术前沿成长性强，但WLB与具体福利需进一步确认。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2.8万
比机器学习工程中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
82 个在招
市场机会
选择面较广
杭州 · 机器学习工程 · 约 260 个在招
职位详情
关于这个职位
该职位专注于大模型(LLM)生命周期中的数据工程与策略研究
你将负责构建高质量的预训练与后训练数据集，探索数据如何影响模型效果，并研发批量数据合成与处理工具链
工作涵盖从原始数据清洗、质量评估、到面向特定场景（如Agent、RAG）的数据方案设计与开发，旨在通过数据深度理解与知识化，提升大模型的行业应用效果
最低要求
数学、统计、计算机、人工智能相关专业统招本科及以上学历
了解主流的大模型post-train技术原理，熟练使用Python等编程语言，有数据分析处理相关经验
具备良好的沟通能力和团队合作精神，较强的数据分析和解决问题的能力，较强的学习能力和自我驱动能力
工作职责
负责大模型(LLM)的数据工程，探索大模型效果提升与数据之间关系，建立批量合成特定数据的技术和方法，针对性提升大模型后训练效果
负责大模型预训练数据质量提升，通过分类／聚类／多样性评估等方法清洗出高质量数据，提升基座模型效果
负责大模型(LLM)应用的数据策略研究，Agent，RAG等全流程数据工具链建设
负责大模型场景应用项目数据方案设计与项目开发，通过信息深度抽取、知识融合与对齐、全局精粹洞察等，实现场景数据的深度理解与知识化，提升场景效果
不断追踪AI数据处理技术的最新发展，提出并实施新技术和工具以提升数据工程效率和质量
优先资格
具备机器学习，深度学习，NLP相关经验者优先
具备场景智能体、知识库、知识图谱开发经验者优化
AI 洞察
优缺点分析
优点
- 岗位处于当前AI技术最核心的数据环节，能深度接触大模型技术栈，技术积累价值高
- 工作成果直接关联模型效果，影响可见
- 公司为行业头部厂商，项目资源和平台稳定
- 技术迭代迅速，需持续追踪前沿方法（如合成数据、数据飞轮）以保持竞争力
- 对AI技术有热情，特别是对数据如何驱动模型性能有好奇心的候选人
- 善于从海量数据中发现问题、设计解决方案，并具备扎实的编程和数据分析基础
缺点 / 挑战
- 数据工程工作可能涉及大量重复性清洗和标注，需耐得住细致与繁琐
- 跨团队协作沟通成本可能较高
角色解读
- 初级阶段可成为数据工程专家，深入掌握LLM数据生命周期管理
- 中期可向AI算法工程师或数据科学家方向发展，参与模型训练与优化
- 长期可负责AI平台或数据中台的整体架构设计，或成为特定领域的数据策略负责人
- 构建大模型训练和应用所需的高质量数据集，设计并实现数据处理与分析的自动化工具链
- 将原始数据通过清洗、抽取、融合等技术转化为模型可用的知识，直接提升模型在特定场景下的性能
- 掌握Python编程和数据处理库，理解LLM训练流程（如SFT、RLHF）
- 具备机器学习、NLP基础知识，有能力设计和实现数据清洗、质量评估和合成方案
- 熟悉知识图谱、RAG等应用技术者有优势
申请策略
- 在简历和面试中，强调你对“数据质量如何影响模型效果”这一核心问题的思考
- 可以准备一个案例，说明你如何通过数据分析或处理解决了实际问题
- 了解新华三在智慧城市、企业级解决方案等领域的业务，思考数据策略如何赋能这些场景
- 重点突出使用Python进行大规模数据处理、分析或可视化的项目经验
- 详细描述参与过的数据清洗、质量评估或NLP相关项目，说明你解决的具体问题和方法
- 展示对LLM训练流程或至少是机器学习Pipeline的理解
- 深入学习LLM训练相关知识，特别是Post-training阶段的数据策略
- 实践构建一个小型数据处理Pipeline，或尝试用开源工具合成特定领域的数据集
面试指南
- 使用STAR法则（情境、任务、行动、结果）来组织你的经历回答
- 对于技术问题，采用“原理理解 + 实践经验 + 优化思考”的框架
- 例如，先解释方法原理，再说明你在项目中如何应用，最后谈谈遇到的困难和你的改进思路
- 请描述你处理过最复杂的数据任务，你是如何保证数据质量的？
- 你认为哪些数据处理技术（如分类、去重、质量打分）对提升LLM效果最关键？为什么？
- 如果让你为一个特定场景（如智能客服）设计数据策略，你会考虑哪些方面？
- 你如何理解RAG（检索增强生成）中的数据流程，其中有哪些关键的数据工程挑战？
- 如果发现模型效果不佳，你怀疑是数据问题，你会如何系统性地排查？
职位点评
薪资福利75
成长发展90
工作生活60
使命价值80
薪资福利
75中等
作为大模型领域的技术岗位，市场薪资水平通常具有竞争力。但JD未明确提及薪酬福利细节，具体竞争力需结合面试沟通确认。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
90较高
岗位处于AI技术前沿，能直接参与大模型核心数据环节的工作，技术成长空间大。JD明确要求追踪最新技术发展，鼓励创新，有利于技能持续提升。
技术前沿前沿/新兴技术
技术栈大模型 (LLM)、Python、机器学习、NLP、知识图谱、RAG
成长机会不断追踪AI数据处理技术的最新发展、提出并实施新技术和工具
业务类型ambiguous
工作生活
60中等
JD未明确说明办公模式、工作时间等，工作生活平衡情况无法从文本中判断。作为技术研发类岗位，通常需要一定的精力投入以跟进快速迭代的技术。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
从事大模型数据策略工作，是推动AI技术落地应用的关键环节，具有较强的技术探索价值和行业影响力。项目导向明确，旨在提升场景效果，能带来直接的成就感。
行业发展高速增长赛道
社会影响中性/一般
使命信号提升大模型后训练效果、提升基座模型效果、提升场景效果
创新程度积极采用新技术
Watch Jobs