蚂蚁集团
蚂蚁集团-AI数据高级工程师-杭州
蚂蚁集团-AI数据高级工程师-杭州
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Llm-As-Judge
医疗Ai
多模态处理
大模型数据
数据清洗
值不值得投
80综合评分
综合评分 80
前沿AI数据技术、高成长潜力、大厂平台、高强度挑战
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
4.0万
比数据工程中位数高
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 770 个在招 · 其中数据工程 9 个
市场机会
选择面较广
杭州 · 数据工程 · 约 120 个在招
职位详情
关于这个职位
负责多模态大模型（视觉+语言）训练语料与数据体系建设，涵盖从数据获取、清洗、评估到合成的全流程
重点支撑医疗大模型场景（如影像问答、病理诊断），兼顾金融及AGI业务，构建高质量、合规的训练数据流，推动语料供给模式演进
最低要求
年以上数据工程、数据仓库或大规模数据处理经验，其中1年以上大模型训练数据/语料处理相关项目经验
有TB级数据、百亿级以上token语料或百万级以上多模态样本处理经验者优先
理解预训练与后训练（SFT、RLHF/DPO）各阶段对训练数据的要求，参与过SFT/RL数据构建、数据配比或数据质量实验，能用数据说明语料工作对模型效果的贡献者优先
熟悉大规模语料处理关键技术（去重、去污染、质量分层）及图文、音视频等多模态数据处理（PDF解析、OCR后处理、转写与对齐），了解主流数据质量评估方法与工具链，有LLM-as-Judge评估、基准/评测集建设经验者优先
了解训练数据合规的基本要求（版权、隐私、毒性及敏感信息过滤），有相关数据治理与落地经验者优先
扎实的工程能力（熟练掌握Python/Go/Java至少其一，熟练使用Spark、HiveSQL等大数据工具），能穿透到代码与数据细节定位复杂问题
良好的跨团队沟通协作能力，能与算法、产品、医学/医生团队高效对齐数据需求、标注规范与验收标准
工作职责
语料建设落地：结合模型迭代节奏与预训练/后训练对数据规模、质量、配比的需求，参与语料建设路线图（规模、语种、模态、领域覆盖）的制定与拆解，负责所承担方向的语料供给目标落地
数据引擎与语料资产：负责高质量数据源（公开数据、授权数据、业务私有数据）的发现、评估与引入，参与全网URL库、DataMap等语料资产底座建设
研究并实践先进的数据清洗、数据合成等技术，构建支撑基座模型预训练与后训练的高质量训练数据流，推动语料资产可度量、可运营、可复用
大规模清洗与质检：负责TB级/百亿级token规模语料处理Pipeline的开发与持续迭代（去重、去污染、质量分层、敏感信息过滤、版权合规校验），建设与运营自动化质量评估体系（LLM-as-Judge、人工抽检、基准集回归），执行质量门禁并维护数据血缘
领域与多模态语料：负责医疗等核心领域及图文、音视频等多模态语料的构造方案落地（非结构化数据解析、对齐、稀缺样本增强），支撑影像问答、报告解读、病理诊断等场景的模型能力建设，沉淀可复用的领域/模态语料生产方法
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型数据技术栈，拥有海量真实业务数据资源
- 平台技术实力强，职业背书价值高
- 具备扎实大数据工程背景，对AI数据基础设施感兴趣，追求技术深度的工程师
缺点 / 挑战
- 数据合规与质量控制压力大，需处理TB级海量数据，对工程稳定性和准确性要求极高
角色解读
- 可向AI数据架构师、大模型数据负责人方向发展，或转型为专注于数据策略的AI产品经理
- 构建和维护大模型训练所需的高质量数据流水线，包括数据获取、清洗、去重、合成及质量评估
- 掌握Python/Go等编程语言及Spark/Hive等大数据工具
- 深入理解大模型训练数据需求（SFT/RLHF）
- 具备多模态数据处理能力
申请策略
- 强调跨团队协作能力，特别是与算法、医学团队沟通数据需求的经验
- 突出TB级数据处理经验，展示在数据清洗、去重、质量评估方面的具体技术方案和成果
- 补充学习大模型训练流程（Pre-training/SFT/RLHF）对数据的具体要求，了解LLM-as-Judge等前沿评估方法
面试指南
- 使用STAR法则（情境、任务、行动、结果）详细描述过往项目，重点突出技术难点、解决方案量化效果（如提升数据质量百分比、降低错误率）
- 请描述你处理过的最大规模数据集及其清洗流程
- 如何评估大模型训练数据的质量？有哪些指标？
- 在多模态数据处理中，如何解决数据对齐和稀缺样本问题？
- 如何处理数据合规性和敏感信息过滤？
- 复习大数据处理框架原理，准备1-2个关于数据治理和数据质量优化的深度案例
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
作为巨头企业核心AI部门岗位，薪资竞争力强，福利体系完善，满足度高。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
90较高
处于AI大模型前沿领域，技术栈先进，成长空间巨大，满足度极高。
技术前沿前沿/新兴技术
技术栈大模型、多模态、SFT、RLHF、DPO、LLM-as-Judge、Spark、HiveSQL
业务类型profit_center
工作生活
60中等
互联网大厂核心研发岗，工作强度可能较高，WLB一般，但地处杭州核心区通勤相对便利。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
支持医疗大模型发展，具有显著的社会价值和行业影响力，满足度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
蚂蚁集团 的其他在招职位
相似职位推荐
Data Analytics Engineer
康宁 · 海口市
AI 估算 · 2.0–3.5万1 小时前发布
EIT Digitalization Engineer(数字化)
捷普 · 广州市
AI 估算 · 8.0千–1.2万7 小时前发布
数据交付实习生
智元机器人 · 上海市
AI 估算 · 0.2–0.3千14 小时前发布
Consultant Specialist
汇丰 · 西安市
AI 估算 · 1.8–3.0万21 小时前发布
Senior Associate, Data Engineering & Semantics
辉瑞 · 上海市
AI 估算 · 2.5–4.0万1 天前发布
Senior Manager, Data Engineering & Semantics
辉瑞 · 上海市
AI 估算 · 4.5–7.5万1 天前发布
Senior Manager, Data Engineering & Semantics
辉瑞 · 上海市
AI 估算 · 4.5–7.5万1 天前发布
Manager, Data Engineering & Semantics
辉瑞 · 上海市
AI 估算 · 4.5–7.5万1 天前发布
Watch Jobs