{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "数据技术及产品部-RL 数据处理工程师-Work",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类-数据"AI生成
    },
    "company": {
        "company_name": "阿里巴巴控股集团",
        "company_industry": "电子商务 / 云计算 / 人工智能",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 2,
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 数据链路搭建与治理：搭建端到端的数据处理链路（采集 → 清洗 → 加工 → 挖掘 → 增广 → 质量校验 → 筛选 → 输出），对接线上 rollout 产生的原始数据（轨迹、日志、执行结果、用户反馈），保证数据可追溯（血缘管理）、可复现（版本管理）、可观测（关键指标监控）。\n2. 数据清洗、加工与质量校验：对海量原始 / 脏数据做去重、去噪、过滤无效样本、格式规整、脱敏与结构化，并做二次加工（改写、结构补全、难度分级、标签规范化）；建立质量校验机制（规则质检 + 模型质检 + 双标一致性 + 金标抽检），系统性检测脏数据、偏见与分布异常，保证出库数据质量可量化、可迭代。\n3. 日志与 Rollout 轨迹分析处理：对模型运行日志、工具调用日志、系统日志做解析、清洗、结构化，从噪声中抽取可用信号；对模型多步执行轨迹做逐步解析与标注（正确性 / 必要性 / 思考质量 / 整体 reward），识别冗余操作、隐性副作用与轨迹异常。\n4. Bad Case 分析挖掘与高价值样本挖掘：系统性发现 bad case（执行失败、输出低质量、轨迹异常、用户投诉）并做根因分类（模型能力 / 数据分布 / 任务定义 / 环境依赖），输出结构化报告驱动数据补充与评测修正；从海量数据中挖掘高难度任务、罕见场景、易错 case、真实需求分布等高价值样本，建立规则 + 模型 + LLM 多信号融合的挖掘策略，并用 LLM-as-judge / 质量评分做精筛，识别\"表面合理但实际错误\"的样本。\n5. 数据增广与合成：基于 LLM 对已有样本做变体生成、难度扩展、场景泛化，补充训练数据中的稀缺类型，并验证增广 / 合成数据质量，确保样本可直接用于训练。\n6. 与算法、标注团队协同：与训练团队对齐\"下一轮需要什么数据\"，与标注团队对齐\"什么样的数据值得标\"，把数据挖掘变成模型能力提升的持续供给。",
        "requirements_text": "1. 计算机、人工智能、数据科学、统计学或相关专业，2 年以上数据挖掘 / 数据工程 / 机器学习方向经验。\n2. 具备扎实的工程能力：精通 Python，具备大规模数据处理能力（Spark / Ray / Dask / Flink 任一），熟悉 SQL / Shell，能独立搭建稳定、可追溯的数据 pipeline 与 ETL 流程，数据处理链路写得好、跑得稳、可追溯。\n3. 具备完整的数据处理能力：能对海量脏数据做清洗、加工、脱敏与结构化，能用 LLM 做数据增广（变体生成 / 难度扩展 / 场景泛化）并验证质量，能建立质量校验机制（规则 + 模型质检、双标一致性、金标抽检），对数据分布、异常检测、偏见风险有敏锐直觉。\n4. 具备日志与 Rollout 轨迹分析能力：熟悉 Agent 执行日志、执行轨迹、工具调用模式（bash / python / API），能从原始数据中解析、定位问题、判断冗余操作与隐性副作用；能独立完成 bad case 归因，区分模型能力 / 数据 / 任务定义 / 环境问题并输出结构化改进建议。\n5. 具备数据挖掘经验与 LLM 工具链能力：有从线上日志、用户行为、模型轨迹等原始数据中挖掘高价值样本的经验，熟悉规则挖掘、聚类、异常检测、分类等常用方法，熟练用 LLM 做数据筛选与质量评估；有闭环意识，主动跟算法和标注团队对齐。\n6. 有模型训练（SFT / RFT / RL、reward 设计、训练效果反查）或业务（AI 办公 / Work Agent 场景数据落地）经验者优先；有 LLM-as-judge、rejection sampling、self-consistency 等自动化验证实践，或大规模数据基础设施架构（OSS / S3 / HDFS、MLOps）经验者优先。",
        "skills": [AI生成
            "Python",
            "SQL",
            "Spark",
            "Flink",
            "机器学习",
            "数据挖掘",
            "模型训练",
            "分析能力",
            "大语言模型"
        ],
        "preferred_qualifications": "6. 有模型训练（SFT / RFT / RL、reward 设计、训练效果反查）或业务（AI 办公 / Work Agent 场景数据落地）经验者优先；有 LLM-as-judge、rejection sampling、self-consistency 等自动化验证实践，或大规模数据基础设施架构（OSS / S3 / HDFS、MLOps）经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100025060005"
            }
        ]
    },
    "posting": {
        "posting_id": "100025060005",
        "post_date": "2026-09-11",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100025060005"
    },
    "fulltext": "数据技术及产品部-RL 数据处理工程师-Work\n数据技术及产品部-RL 数据处理工程师-Work\n\n基础信息\n职位类别：技术类-数据\n工作地点：北京 / 杭州\n\n职位描述\n1. 数据链路搭建与治理：搭建端到端的数据处理链路（采集 → 清洗 → 加工 → 挖掘 → 增广 → 质量校验 → 筛选 → 输出），对接线上 rollout 产生的原始数据（轨迹、日志、执行结果、用户反馈），保证数据可追溯（血缘管理）、可复现（版本管理）、可观测（关键指标监控）。\n2. 数据清洗、加工与质量校验：对海量原始 / 脏数据做去重、去噪、过滤无效样本、格式规整、脱敏与结构化，并做二次加工（改写、结构补全、难度分级、标签规范化）；建立质量校验机制（规则质检 + 模型质检 + 双标一致性 + 金标抽检），系统性检测脏数据、偏见与分布异常，保证出库数据质量可量化、可迭代。\n3. 日志与 Rollout 轨迹分析处理：对模型运行日志、工具调用日志、系统日志做解析、清洗、结构化，从噪声中抽取可用信号；对模型多步执行轨迹做逐步解析与标注（正确性 / 必要性 / 思考质量 / 整体 reward），识别冗余操作、隐性副作用与轨迹异常。\n4. Bad Case 分析挖掘与高价值样本挖掘：系统性发现 bad case（执行失败、输出低质量、轨迹异常、用户投诉）并做根因分类（模型能力 / 数据分布 / 任务定义 / 环境依赖），输出结构化报告驱动数据补充与评测修正；从海量数据中挖掘高难度任务、罕见场景、易错 case、真实需求分布等高价值样本，建立规则 + 模型 + LLM 多信号融合的挖掘策略，并用 LLM-as-judge / 质量评分做精筛，识别\"表面合理但实际错误\"的样本。\n5. 数据增广与合成：基于 LLM 对已有样本做变体生成、难度扩展、场景泛化，补充训练数据中的稀缺类型，并验证增广 / 合成数据质量，确保样本可直接用于训练。\n6. 与算法、标注团队协同：与训练团队对齐\"下一轮需要什么数据\"，与标注团队对齐\"什么样的数据值得标\"，把数据挖掘变成模型能力提升的持续供给。\n\n职位要求\n1. 计算机、人工智能、数据科学、统计学或相关专业，2 年以上数据挖掘 / 数据工程 / 机器学习方向经验。\n2. 具备扎实的工程能力：精通 Python，具备大规模数据处理能力（Spark / Ray / Dask / Flink 任一），熟悉 SQL / Shell，能独立搭建稳定、可追溯的数据 pipeline 与 ETL 流程，数据处理链路写得好、跑得稳、可追溯。\n3. 具备完整的数据处理能力：能对海量脏数据做清洗、加工、脱敏与结构化，能用 LLM 做数据增广（变体生成 / 难度扩展 / 场景泛化）并验证质量，能建立质量校验机制（规则 + 模型质检、双标一致性、金标抽检），对数据分布、异常检测、偏见风险有敏锐直觉。\n4. 具备日志与 Rollout 轨迹分析能力：熟悉 Agent 执行日志、执行轨迹、工具调用模式（bash / python / API），能从原始数据中解析、定位问题、判断冗余操作与隐性副作用；能独立完成 bad case 归因，区分模型能力 / 数据 / 任务定义 / 环境问题并输出结构化改进建议。\n5. 具备数据挖掘经验与 LLM 工具链能力：有从线上日志、用户行为、模型轨迹等原始数据中挖掘高价值样本的经验，熟悉规则挖掘、聚类、异常检测、分类等常用方法，熟练用 LLM 做数据筛选与质量评估；有闭环意识，主动跟算法和标注团队对齐。\n6. 有模型训练（SFT / RFT / RL、reward 设计、训练效果反查）或业务（AI 办公 / Work Agent 场景数据落地）经验者优先；有 LLM-as-judge、rejection sampling、self-consistency 等自动化验证实践，或大规模数据基础设施架构（OSS / S3 / HDFS、MLOps）经验者优先。\n1. 数据链路搭建与治理：搭建端到端的数据处理链路（采集 → 清洗 → 加工 → 挖掘 → 增广 → 质量校验 → 筛选 → 输出），对接线上 rollout 产生的原始数据（轨迹、日志、执行结果、用户反馈），保证数据可追溯（血缘管理）、可复现（版本管理）、可观测（关键指标监控）。\n2. 数据清洗、加工与质量校验：对海量原始 / 脏数据做去重、去噪、过滤无效样本、格式规整、脱敏与结构化，并做二次加工（改写、结构补全、难度分级、标签规范化）；建立质量校验机制（规则质检 + 模型质检 + 双标一致性 + 金标抽检），系统性检测脏数据、偏见与分布异常，保证出库数据质量可量化、可迭代。\n3. 日志与 Rollout 轨迹分析处理：对模型运行日志、工具调用日志、系统日志做解析、清洗、结构化，从噪声中抽取可用信号；对模型多步执行轨迹做逐步解析与标注（正确性 / 必要性 / 思考质量 / 整体 reward），识别冗余操作、隐性副作用与轨迹异常。\n4. Bad Case 分析挖掘与高价值样本挖掘：系统性发现 bad case（执行失败、输出低质量、轨迹异常、用户投诉）并做根因分类（模型能力 / 数据分布 / 任务定义 / 环境依赖），输出结构化报告驱动数据补充与评测修正；从海量数据中挖掘高难度任务、罕见场景、易错 case、真实需求分布等高价值样本，建立规则 + 模型 + LLM 多信号融合的挖掘策略，并用 LLM-as-judge / 质量评分做精筛，识别\"表面合理但实际错误\"的样本。\n5. 数据增广与合成：基于 LLM 对已有样本做变体生成、难度扩展、场景泛化，补充训练数据中的稀缺类型，并验证增广 / 合成数据质量，确保样本可直接用于训练。\n6. 与算法、标注团队协同：与训练团队对齐\"下一轮需要什么数据\"，与标注团队对齐\"什么样的数据值得标\"，把数据挖掘变成模型能力提升的持续供给。\n1. 计算机、人工智能、数据科学、统计学或相关专业，2 年以上数据挖掘 / 数据工程 / 机器学习方向经验。\n2. 具备扎实的工程能力：精通 Python，具备大规模数据处理能力（Spark / Ray / Dask / Flink 任一），熟悉 SQL / Shell，能独立搭建稳定、可追溯的数据 pipeline 与 ETL 流程，数据处理链路写得好、跑得稳、可追溯。\n3. 具备完整的数据处理能力：能对海量脏数据做清洗、加工、脱敏与结构化，能用 LLM 做数据增广（变体生成 / 难度扩展 / 场景泛化）并验证质量，能建立质量校验机制（规则 + 模型质检、双标一致性、金标抽检），对数据分布、异常检测、偏见风险有敏锐直觉。\n4. 具备日志与 Rollout 轨迹分析能力：熟悉 Agent 执行日志、执行轨迹、工具调用模式（bash / python / API），能从原始数据中解析、定位问题、判断冗余操作与隐性副作用；能独立完成 bad case 归因，区分模型能力 / 数据 / 任务定义 / 环境问题并输出结构化改进建议。\n5. 具备数据挖掘经验与 LLM 工具链能力：有从线上日志、用户行为、模型轨迹等原始数据中挖掘高价值样本的经验，熟悉规则挖掘、聚类、异常检测、分类等常用方法，熟练用 LLM 做数据筛选与质量评估；有闭环意识，主动跟算法和标注团队对齐。\n6. 有模型训练（SFT / RFT / RL、reward 设计、训练效果反查）或业务（AI 办公 / Work Agent 场景数据落地）经验者优先；有 LLM-as-judge、rejection sampling、self-consistency 等自动化验证实践，或大规模数据基础设施架构（OSS / S3 / HDFS、MLOps）经验者优先。",
    "standard_classification": {
        "std_category_code": "T016",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}