基座大模型算法研究员 (Mid-training)

1. 大规模高质量数据体系与合成数据建设 数据体系构建： 建设 Trillion 级别的大规模跨模态数据处理与合成链路。负责从数据清洗、去重、质量评分到动态配比建模的全流程优化。 合成方法演进： 深入探索大规模合成数据 (Synthetic Data) 与自蒸馏 (Self-distillation) 技术，针对复杂逻辑推理、代码生成及多模态场景，制定Pre-training与 Mid-training 阶段的合成数据应用策略。 理论探索： 研究 Data Scaling Laws，解决数据扩展中的模型坍塌（Model Collapse）与多样性瓶颈问题，通过课程学习（Curriculum Learning）等多阶段训练策略，显著优化 Token/FLOPs 转化效率。 2. 长上下文 (Long Context) 与高效架构演进 长窗口突破：持续 Scaling Up 模型的 …… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。