Dots-Midtrain数据算法研究员

岗位职责
1. 负责Code / Math方向合成数据管道的设计与搭建，覆盖数据生成、正确性验证、难度分级、去重去污染等全流程环节
2. 设计并实现模型输出的回流机制：从模型推理结果中挖掘高价值样本（如正确但稀有的解题路径、模型自我纠错过程），反哺训练数据池，形成数据-模型能力的正向循环
3. 构建自动化验证体系：针对Code方向搭建可执行验证（单测/编译器验证），针对Math方向搭建符号计算/规则验证或强模型裁判机制，确保合成数据的正确性和质量
4. 持续优化数据配比与难度曲线：结合模型训练过程中的实际表现，动态调整合成数据的难度分布、领域配比，探索最优的Midtrain数据策略
5. 跟踪并复现业界前沿方法（如self-play、rejection sampling、程序化数据生成等），持续迭代数据合成pipeline的技术路线
6. 与其他团队紧密协作，确保Code/Math能力在数据源头、训练阶段、评测反馈之间形成闭环

岗位要求
1、计算机、数学、人工智能等相关专业硕士及以上学历，或有等同的行业实战经验
2、熟悉大模型训练全流程，对Pretrain/Midtrain/Post-train各阶段的数据策略差异有清晰认知
3、扎实的编程能力（Python为主），能够独立完成数据处理pipeline的工程实现
4、对Code或Math任一方向有深入的技术理解（如熟悉常见编程语言的AST/编译器工具链，或具备较强的数学推理/证明背景）