AI数据与质量工程师

岗位职责
基于SQL+Spark/Flink建设数据采集、清洗、标注、标准化与质量评估的全链路数据管道，为微调与RAG提供高质量数据集；制定并落实数据安全、脱敏、分级、权限与合规规范及数据全生命周期管理；治理测试机/分选机等业务数据与测试程序、日志、缺陷数据，建设领域数据资产、元数据与数据血缘；与算法、应用、FDE方向协同闭环"数据—效果"反馈链路，监控并优化存储与计算成本。
建设大模型应用评测体系（准确率、召回率、幻觉率、稳定性、安全性等指标）及LLM-as-Judge与人工评估流程，设计并维护AI编码、知识问答、办公/会议助手、对客产品等场景的评测集与基准；基于Pytest/JMeter/Locust搭建自动化回归与高并发压力测试，保障模型/Prompt/链路迭代不退化、推理服务满足低时延要求；度量场景提效效果，支撑"人/年"生产力收益量化复盘，推动质量问题闭环并输出质量报告。

岗位要求
熟练数据管道（ETL）与大数据处理工具（Spark/Flink），熟悉数据质量管理与数据安全合规，具备面向AI/大模型场景的数据集构建经验；
熟悉测试自动化与质量度量方法，理解大模型评测方法（基准评测、人工评估、LLM-as-Judge等），严谨的数据分析与问题定位能力。
加分项：有面向LLM训练/RAG的数据治理经验；熟悉数据标注平台与质量评估方法；有大模型/AI产品评测或LLMOps质量保障经验；熟悉RAG/Agent复杂链路评测；有工业/半导体领域数据治理经验、效果度量与A/B实验经验。