腾讯
混元大模型数据策略产品（Stem/Reasoning方向）（北京）
混元大模型数据策略产品（Stem/Reasoning方向）（北京）
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公AI产品经理
AI产品经理
Badcase分析
大模型
数据合成
数据清洗
数据策略
模型评测
逻辑推理
项目管理
值不值得投
80综合评分
综合评分 80
腾讯混元大模型核心数据策略岗，技术前沿、成长空间极大，但工作节奏与挑战并存。
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
5万
比AI产品经理中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2040 个在招 · 其中AI产品经理 15 个
市场机会
选择适中
深圳 · AI产品经理 · 49 个在招
职位详情
关于这个职位
该职位负责腾讯混元大模型在STEM和推理方向的数据策略制定与产线设计，通过需求澄清、数据生产全流程管理及质量评估闭环，提升模型能力
同时探索大模型和Agent赋能数据生产的创新模式，推动数据产线的自动化与规模化
最低要求
本科及以上学历
有大模型训练数据相关经验，深度参与过基模数据策略制定、数据生产或数据评估中的至少一个完整环节，对“什么数据能让模型学到东西”有判断力
具备一定的工程和代码能力：能独立编写脚本，搭建工程链路等完成数据清洗、统计分析和质量验证，能读懂算法团队的训练代码和评测结果
对训练数据敏感：能从数据中识别噪声、偏差、重复、分布异常等影响训练效果的问题，对数据质量和数据分布有直觉
好奇心强，自驱：主动追踪大模型行业动态和数据领域前沿方法，愿意深入模型底层理解“数据为什么有效”
具备优秀的逻辑分析能力、跨团队沟通能力和项目推进能力，能在需求模糊、目标动态变化的环境中高质量交付
工作职责
需求澄清与策略制定：与算法团队深度对齐数据目标，基于模型评测和 Badcase 分析，拆解 STEM / Reasoning 能力短板（如数学推理、代码生成、逻辑链条、工具使用等），将模糊的模型需求转化为可执行、可量化的数据需求，制定并持续迭代整体数据构建策略（含真实数据获取、合成数据等）
数据产线全流程设计：设计数据生产交付链路及核心环节（采集/清洗/标注/合成/质检/交付），定义数据标准、标注规范与质量验收标准，主导数据项目的发起、优先级判定与全流程管理，保障高质量数据的规模化、稳定交付
质量与效果评估闭环：建立可量化的数据质量评估体系，跟踪数据交付后的训练收益
开展模型效果深度分析，联动算法团队定位数据侧的改进点，形成“数据生产 → 训练验证 → 策略迭代”的闭环
模式创新与前沿探索：用大模型和 Agent 化工作流赋能数据生产（如数据合成、自动质检、Agent as a Verifier），推动数据产线的自动化与规模化
持续追踪业界数据领域前沿（数据配比、数据合成、课程学习等），将有效方法落地到实际产线
优先资格
计算机、数学、统计学、人工智能等相关专业优先
有基座模型训练数据相关经验优先
AI 洞察
优缺点分析
优点
- 参与腾讯混元大模型核心能力建设，接触业界最前沿的大模型数据策略与Agent工作流
- 平台资源雄厚，能接触到海量真实数据与顶尖算法团队，个人技术视野与行业影响力提升快
- 需求模糊且目标动态变化，需要在高度不确定的环境中推进项目
- 对代码能力、算法理解和数据直觉要求高，跨团队沟通与对齐成本较大
- 适合具备一定工程基础、对大模型底层逻辑有强烈好奇心，且能在复杂模糊环境中推动项目落地的复合型产品人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深AI数据产品专家、大模型业务负责人方向发展，或深入算法与数据底层成为大模型训练策略的核心决策者
- 负责混元大模型STEM/推理方向的数据策略制定，将算法需求转化为可量化的数据需求
- 设计数据生产全流程，包括采集、清洗、标注、合成与质检，保障高质量数据交付
- 建立数据质量评估体系，追踪训练收益，并探索Agent等前沿技术赋能数据生产
- 具备大模型训练数据相关经验，熟悉数据策略制定、生产或评估环节
- 具备一定的工程和代码能力，能编写脚本搭建工程链路，读懂训练代码和评测结果
- 对训练数据敏感，具备优秀的逻辑分析、跨团队沟通和项目推进能力
申请策略
- 准备具体的Badcase分析案例，展示你如何通过数据侧改进提升模型特定能力（如数学推理、代码生成）
- 突出在大模型基座训练数据方面的完整项目经验，特别是数据策略制定、数据合成或质量评估的具体成果
- 展示代码能力和工程链路搭建经验，如使用Python进行数据清洗、统计分析的实例
- 深入学习大模型数据配比、数据合成、课程学习等前沿论文与业界实践
- 提升Agent工作流设计能力，了解如何用大模型赋能数据质检与合成
面试指南
- 采用STAR法则，重点突出“发现问题（Badcase分析）-> 制定策略（数据需求拆解）-> 执行闭环（产线设计与质量评估）-> 结果收益（模型指标提升）”的完整逻辑
- 请分享一个你主导的大模型数据策略制定案例，如何拆解模型能力短板并转化为数据需求？
- 在数据生产全流程中，你如何定义数据标准和质量验收标准？
- 如果模型在数学推理上表现不佳，你会如何从数据侧进行分析和改进？
- 你如何利用大模型或Agent技术来优化数据产线的自动化和质检效率？
- 熟悉腾讯混元大模型的最新进展及在STEM/Reasoning方向的公开评测表现
- 复习大模型数据工程的核心概念，如数据清洗、去重、数据配比、合成数据生成等
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
头部企业薪资福利体系完善，大模型核心岗位薪资具备较强市场竞争力。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
95较高
处于大模型最前沿领域，接触核心数据策略与Agent创新，技术成长与行业视野极佳。
技术前沿前沿/新兴技术
技术栈大模型、Agent、数据合成、模型评测、Badcase分析、课程学习
成长机会前沿探索、追踪业界数据领域前沿
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与加班情况，但大模型核心研发岗通常工作节奏较快。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
参与通用人工智能底层能力建设，推动大模型在STEM和推理等硬核方向的突破，具有较高的技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs