大模型预训练数据算法研究

1、负责基座模型的数据策略研究，包括不限于文本、代码、语音、图像、视频等方向高质量训练数据构建及数据驱动的模型定向能力增强； 2、聚焦基础模型预训练数据效率与效果提升，研究数据对模型能力构成的机制性影响，包括数据选择、数据评估、数据合成等关键技术，推动从Data-Centric视角优化大模型性能边界； 3、通过论文、技术报告、开源数据等多种手段，扩大探索研究院有关基础大模型在集团内部及业界的影响力。

1、获得本科及以上学历，数学、计算机、人工智能相关专业； 2、具备扎实的机器学习或深度学习背景，熟练掌握大模型预训练、后训练相关理论基础，具备大规模数据处理及模型训练经验者优先； 3、在NLP/CV/MM等领域顶会顶刊发表篇论文，有ACM ICPC/IOI/NOI等竞赛获奖者优先； 4、思维逻辑能力强，代码工程能力强，对工作高度负责。