# 混元大模型数据策略产品（Stem/Reasoning方向）（北京）

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 腾讯 (Stage unknown)
- Locations: Unknown
- Role: Product
- Apply on the official site: https://careers.tencent.com/jobdesc.html?postId=2092894058908401664

## Role description from source

1.需求澄清与策略制定：与算法团队深度对齐数据目标，基于模型评测和 Badcase 分析，拆解 STEM / Reasoning 能力短板（如数学推理、代码生成、逻辑链条、工具使用等），将模糊的模型需求转化为可执行、可量化的数据需求，制定并持续迭代整体数据构建策略（含真实数据获取、合成数据等）；
2.数据产线全流程设计：设计数据生产交付链路及核心环节（采集/清洗/标注/合成/质检/交付），定义数据标准、标注规范与质量验收标准，主导数据项目的发起、优先级判定与全流程管理，保障高质量数据的规模化、稳定交付；
3.质量与效果评估闭环：建立可量化的数据质量评估体系，跟踪数据交付后的训练收益；开展模型效果深度分析，联动算法团队定位数据侧的改进点，形成"数据生产 → 训练验证 → 策略迭代"的闭环；
4.模式创新与前沿探索：用大模型和 Agent 化工作流赋能数据生产（如数据合成、自动质检、Agent as a Verifier），推动数据产线的自动化与规模化；持续追踪业界数据领域前沿（数据配比、数据合成、课程学习等），将有效方法落地到实际产线。
职位要求
1.本科及以上学历，计算机、数学、统计学、人工智能等相关专业优先；
2.有大模型（基座模型优先）训练数据相关经验，深度参与过基模数据策略制定、数据生产或数据评估中的至少一个完整环节，对"什么数据能让模型学到东西"有判断力；
3.具备一定的工程和代码能力：能独立编写脚本，搭建工程链路等完成数据清洗、统计分析和质量验证，能读懂算法团队的训练代码和评测结果；
4.对训练数据敏感：能从数据中识别噪声、偏差、重复、分布异常等影响训练效果的问题，对数据质量和数据分布有直觉；
5.好奇心强，自驱：主动追踪大模型行业动态和数据领域前沿方法，愿意深入模型底层理解"数据为什么有效"；
6.具备优秀的逻辑分析能力、跨团队沟通能力和项目推进能力，能在需求模糊、目标动态变化的环境中高质量交付。
工作年限（官方顶部字段）
三年以上工作经验
官方重要事项
1.有 STEM / Reasoning 方向数据经验：数学、逻辑推理、竞赛代码类数据的构建、合成或评估经验；
2.有基座模型数据策略完整经验：参与过预训练/后训练数据的数据生产交付、Scaling 实验或数据消融分析等；
3.有合成数据、Agent 数据工作流（Workflow/Agent 搭建）实践经验；
4.熟悉模型评测体系，能独立完成评测设计并解读结果；
5.在 ACL、NeurIPS、ICLR 等顶会发表过相关论文，或有知名开源数据项目贡献。

---
opening_id: e521b3eb-a4d4-447e-b06f-59a3a46a12ba

`anm openings save --id e521b3eb-a4d4-447e-b06f-59a3a46a12ba`