小红书(xiaohongshu)招聘Hi lab-数据采集
招聘职位：
Hi lab-数据采集 搜索同类职位
岗位职责：
负责大模型预训练数据的全局采集策略设计，制定高效、可持续的数据获取路径，覆盖多语言、多领域、多模态数据源。
构建数据需求量化体系，针对模型能力目标（如推理、代码、知识等）规划数据采集优先级与规模，确保token总量与质量满足训练需求。
设计数据源发现、去重、质量评估与增量更新的自动化流程，平衡开源数据、合作数据与自采数据的应用。
探索低成本、高合规性的数据获取方案，应对版权、隐私等风险，支撑团队长期数据需求。
任职要求：
具备数据采集/爬虫策略或大规模数据规划经验，熟悉网页、学术、公开语料等主流数据源特性与获取技术。
具备数据价值评估能力，能结合模型训练需求（如稀缺资源、长尾领域）制定数据增强策略。
熟悉数据合规与版权规范，具备风险规避意识与实战经验。
强自驱力与全局视角，能独立完成从策略设计到落地推进的全流程，适应初创团队快速迭代节奏。
加分项：有预训练数据体系建设经验；熟悉数据清洗、去重、质量评估工具链。
负责大模型预训练数据的全局采集策略设计，制定高效、可持续的数据获取路径，覆盖多语言、多领域、多模态数据源。
构建数据需求量化体系，针对模型能力目标（如推理、代码、知识等）规划数据采集优先级与规模，确保token总量与质量满足训练需求。
设计数据源发现、去重、质量评估与增量更新的自动化流程，平衡开源数据、合作数据与自采数据的应用。
探索低成本、高合规性的数据获取方案，应对版权、隐私等风险，支撑团队长期数据需求。
任职要求：
具备数据采集/爬虫策略或大规模数据规划经验，熟悉网页、学术、公开语料等主流数据源特性与获取技术。
具备数据价值评估能力，能结合模型训练需求（如稀缺资源、长尾领域）制定数据增强策略。
熟悉数据合规与版权规范，具备风险规避意识与实战经验。
强自驱力与全局视角，能独立完成从策略设计到落地推进的全流程，适应初创团队快速迭代节奏。
加分项：有预训练数据体系建设经验；熟悉数据清洗、去重、质量评估工具链。
免责声明：
此信息由小红书官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“小红书官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！
