預訓練大模型的數(shù)據(jù)準備、模型訓練、模型評測等工作，構建新一代高質(zhì)量的大型語言數(shù)據(jù)集和多模態(tài)數(shù)據(jù)集，工作內(nèi)容包括：
1.基于大規(guī)模網(wǎng)頁、代碼、論文、書籍等數(shù)據(jù)，復現(xiàn)大模型數(shù)據(jù)相關論文，并在此基礎上制定更加嚴格的數(shù)據(jù)質(zhì)量標準，對訓練數(shù)據(jù)進行分析和分類，評估數(shù)據(jù)質(zhì)量，解決數(shù)據(jù)主題分布、內(nèi)容合規(guī)、反毒性、反偏見等問題；
2.構建Data-Centric數(shù)據(jù)閉環(huán)，探索在固定模型和評測情況下提高大模型數(shù)據(jù)語料質(zhì)量的路徑，包括持續(xù)優(yōu)化數(shù)據(jù)質(zhì)量，研究數(shù)據(jù)和模型的ScalingLaw、研究數(shù)據(jù)配比、數(shù)據(jù)混入策略與混入時機；
3.圍繞更具體細分類數(shù)據(jù)（如CC數(shù)據(jù)集、代碼、論文、書籍等）構建相應大模型的數(shù)據(jù)－訓練－評測鏈條，并針對細分類數(shù)據(jù)建立質(zhì)量評估與優(yōu)化體系，促進細分類數(shù)據(jù)質(zhì)量提升；
4.構建領域數(shù)據(jù)增量預訓練及微調(diào)數(shù)據(jù)集，基于合成數(shù)據(jù)方法建立領域特色支撐數(shù)據(jù)集。

1.計算機／數(shù)學／統(tǒng)計學／模式識別等相關專業(yè)碩士及以上學歷；曾發(fā)表頂會論文，擁有大模型開發(fā)經(jīng)驗者優(yōu)先；
2.熟練掌握Python/C++等語言，熟悉Pytorch、Tensorflow等常用深度學習工具，熟悉常用數(shù)據(jù)結(jié)構及算法；
4.對數(shù)據(jù)結(jié)構和算法有深入理解和研究，對算法有較強的實現(xiàn)能力者優(yōu)先；
5.擁有強烈的上進心和求知欲，善于學習新事物，渴望用技術改變未來；
6.具備優(yōu)秀的分析和解決問題能力，良好的團隊合作精神及溝通意識。

福利待遇
1.在天津工作，解決天津市戶口，享受相關人才補貼政策；
2.免費入住白領公寓，享受獨立臥室；
3.提供優(yōu)厚的薪資待遇，福利薪資包括：基本工資、績效工資、年終獎及多項津貼補助，按事業(yè)單位標準繳納“五險一金”，并繳納商業(yè)保險；
4.按國家規(guī)定執(zhí)行帶薪年假等其他假期。