Alibaba logo
阿里巴巴
晓天衡宇-行业数据专家-image方向

晓天衡宇-行业数据专家-image方向

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 4.0–7.0万 · AI 参考估算
高级经验
博士
全职员工仅现场办公数据标注与评测
数据标注与评测
Llm
Rlhf
Rubric设计
Sft
数据质量评估

值不值得投

76综合评分

综合评分 76

阿里顶尖AI数据专家岗,技术前沿、薪资优厚,但工作强度大,适合追求职业高度发展的硬核人才

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

5.5万

比数据标注与评测中位数高

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 5060 个在招 · 其中数据标注与评测 60 个

市场机会

选择面较广

杭州 · 数据标注与评测 · 57 个在招

职位详情

关于这个职位

作为晓天衡宇部门的数据专家,你将主导Image领域AI数据生产全生命周期管理

负责搭建分类体系、设计Agent驱动的数据生产管线及评估Rubric,通过实验分析与流程迭代提升数据质量与产能,赋能大模型算法训练

最低要求

艺术类、设计类、建筑类或计算机类相关专业博士毕业

具备5年以上行业相关经验,3年以上AI数据工程、大模型算法或数据产品相关经验
在业界有较高知名度,在某些垂直领域(如平面设计、建筑设计、美术等)拥有深厚的行业Know-how与高质量数据资产沉淀经验,主导过行业级数据飞轮构建或现象级AI数据产品落地者优先
对大语言模型(LLM)的预训练、SFT、RLHF/RLAIF等全链路有较深理解
熟悉Agent核心架构(任务规划、工具调用、多Agent协同、长期记忆等)
能够结合专业领域,基于真实的工作环境,构建合理设计并主导基于LLM/Agent的下一代自动化数据生产管线(Data Pipeline)架构,找到具备可交互性、高可信度的数据生产方式
具备行业顶级的数据审美与质量把控能力,能够独立主导构建多维度、高复杂度的数据评估Rubric与人工质检逻辑
具备极强的跨团队技术赋能与标准输出能力

工作职责

image领域知识&Agent驱动的数据产线赋能,深度参与image领域数据生产全生命周期,作为领域专家完成任务定义、分类体系搭建及试生产验证

与产线算法配合,设计并开发基image/Agent的数据生产管线,提升数据生产产能
主导作业专家/人员培训规范的设计、人工质检的逻辑设计,构建多维度评估Rubric
将业务需求、领域模型能力迭代需求持续转译,变成可提前储备的数据生产需求
通过实验设计与数据分析,量化数据质量、提升产能,反哺合成策略与产线流程的持续迭代

AI 洞察

优缺点分析

优点

  • 接触最前沿的LLM和Agent技术,处于AI数据工程的核心位置
  • 平台资源强大,有机会主导行业级数据飞轮构建,影响力大
  • 高薪且稳定,适合追求技术深度和行业影响力的资深专家
  • 要求极高的复合背景(艺术+计算机+AI),匹配难度大
  • 需要构建从0到1的数据生产体系和评估标准,工作复杂度高
  • 适合在AI数据工程、大模型算法或垂直领域(如设计、艺术)有深厚积累的高级专家,追求技术突破和行业影响力

缺点 / 挑战

  • 对数据质量和产能的要求极高,需持续优化流程,压力较大

角色解读

  • 成为AI数据基础设施领域的权威专家,推动行业标准制定
  • 向AI数据战略负责人或首席科学家方向发展,主导更复杂的AI数据生态建设
  • 作为Image领域的专家,定义数据生产任务并搭建分类体系,确保数据符合AI训练需求
  • 设计并开发基于Agent和LLM的自动化数据生产管线,提升数据产能和质量
  • 构建多维度的数据评估Rubric和人工质检逻辑,量化数据质量并反哺流程迭代
  • 深厚的行业Know-how(艺术/设计/建筑/计算机),具备顶级数据审美和质量把控能力
  • 精通LLM全链路(预训练、SFT、RLHF/RLAIF)及Agent核心架构
  • 具备数据工程能力,能设计自动化Data Pipeline架构

申请策略

  • 准备详细的过往项目案例,重点说明如何解决数据质量和产能瓶颈
  • 了解阿里晓天衡宇部门的业务方向,展现对AI数据生态的思考
  • 突出博士学历及在Image领域的深厚背景(论文、专利、行业奖项)
  • 详细展示主导过的AI数据产品落地案例,特别是数据飞轮构建和数据质量提升成果
  • 强调对LLM全链路和Agent架构的理解,以及数据Pipeline设计的实战经验
  • 深化对RLHF/RLAIF等前沿对齐技术的理解
  • 提升Agent多智能体协同和任务规划的技术细节掌握
  • 加强数据评估Rubric的科学性和系统性构建能力

面试指南

  • 使用STAR法则(情境、任务、行动、结果)描述过往项目,突出个人贡献和量化成果
  • 结合理论框架(如数据飞轮模型)和实际案例,展示系统性思维
  • 针对技术细节问题,深入阐述原理、优缺点及适用场景,体现专业深度
  • 请分享一个你主导的AI数据产品落地案例,你是如何构建数据飞轮的?
  • 针对Image领域,你认为当前LLM数据生产面临的最大挑战是什么?如何解决?
  • 如何设计一个多维度、高复杂度的数据评估Rubric?请举例说明
  • 你对Agent核心架构(如任务规划、工具调用)有哪些深入理解?如何在数据生产中应用?
  • 如何平衡数据生产的自动化程度与人工质检的质量控制?

职位点评

薪资福利85
成长发展95
工作生活40
使命价值70

薪资福利

85较高

阿里作为上市巨头,提供具有竞争力的薪酬和完善的福利体系,满足补偿性动机。

薪资信号偏高 (4.0千–7.0万/月)

成长发展

95较高

职位涉及前沿的LLM和Agent技术,要求构建行业级数据飞轮,提供极高的技术成长空间。

技术前沿前沿/新兴技术
技术栈LLM、Agent、RLHF、SFT、Data Pipeline
业务类型profit_center

工作生活

40较低

大厂高强度工作环境,虽可能有弹性,但整体WLB一般,生活化动机满足度有限。

工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词

使命价值

70中等

通过提升AI数据质量推动技术进步,具有一定的社会价值和行业意义。

行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新(行业首创)
Watch Jobs