大模型训练数据Infra算法工程师

1.设计并实现训练数据 Pipeline，覆盖数据解析、清洗、过滤、去重、质量评估、分类采样等核心环节；
2.优化数据处理管线的并发能力，包括模型推理速度、任务调度、资源使用、吞吐量与稳定性；
3.参与数据质量的评估与数据管理设施的搭建。

1.有强烈的技术追求和和热情，希望参与解决现实世界极具挑战的问题；
2.具备优秀的研究素养和创新能力，在国际顶会或期刊发表过高质量论文；
3.有良好的工程和动手能力，能够广泛利用各种工具解决问题；

加分项
有大规模分布式数据系统（如Ray、Flink、Kafka、Parquet、Arrow、Harbor）经历优先；
有ACM/NOI/超算等各类竞赛获奖经历者优先；
有参与基座模型或有行业影响力项目优先。