主分类：AI训练数据标注与评测运营
辅助：数据工程与数据平台研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"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-大模型数据产线质量管理-杭州",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "运营类-规则管理"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": "",
"degree": "硕士/博士优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、数据管线架构设计与落地，主导端到端大规模数据生产管线（采集→清洗→标注→质检→入库）的技术和运营方案设计与系统搭建，确保可扩展、高可靠。搭建可复用的工作流编排系统，实现数据生产任务的自动化调度与状态追踪。\n2、数据质量体系搭建，设计并实施质量评估框架，包括标注一致性校准、质量分层、自动化质检规则。建立数据质量度量指标体系和实时监控仪表盘，持续追踪生产数据的质量趋势。主导数据质量问题的根因分析和流程改进。\n3、RL/SFT/后训练数据基础设施，构建支持RLHF、DPO、GRPO、Constitutional AI等后训练方法的数据生产和反馈收集系统。\n4、跨职能协作，与专家团队、产品团队紧密配合，将研究需求转化为可工程化落地的数据生产方案。\n5、生产运营与工艺优化，设计标注方案（annotation schema）、标注指南和质量标准，覆盖多领域、多模态数据。管理标注团队或外包供应商的产能运营，持续优化标注工具和标注流程，提升人效和数据质量；",
"requirements_text": "1、数学、统计学、计算机科学、软件工程或数据科学相关专业，硕士/博士优先，5 年以上数据工程、模型训练、ML基础设施或研究工程相关经验\n2、深度理解LLM训练全流程（预训练、SFT、RLHF/DPO、评测），有后训练数据生产的直接经验优先\n3、熟悉数据管线编排工具（Airflow、Prefect、Temporal 等）\n4、具备数据质量管理体系的搭建经验，了解标注一致性、校准等概念\n5、优秀的跨团队沟通能力和项目管理能力，有在快节奏、高模糊度环境中独立推进项目的经验\n6、有 RLHF/RLVR/agent 训练数据生产经验，有搭建 RL 训练环境（sandbox、code interpreter、browser env）、有代码评测（code evaluation）或 agent 评测数据生产经验者优先\n7、有管理 10 人以上数据标注或运营团队的经验",
"skills": [AI生成
"数据标注",
"模型训练",
"质量管理",
"项目管理",
"沟通能力"
],
"preferred_qualifications": "1、数学、统计学、计算机科学、软件工程或数据科学相关专业，硕士/博士优先，5 年以上数据工程、模型训练、ML基础设施或研究工程相关经验；2、深度理解LLM训练全流程（预训练、SFT、RLHF/DPO、评测），有后训练数据生产的直接经验优先；6、有 RLHF/RLVR/agent 训练数据生产经验，有搭建 RL 训练环境（sandbox、code interpreter、browser env）、有代码评测（code evaluation）或 agent 评测数据生产经验者优先",
"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=100036960004"
}
]
},
"posting": {
"posting_id": "100036960004",
"post_date": "2026-09-01",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100036960004"
},
"fulltext": "数据技术及产品部-大模型数据产线质量管理-杭州\n数据技术及产品部-大模型数据产线质量管理-杭州\n\n基础信息\n职位类别：运营类-规则管理\n工作地点：杭州\n\n职位描述\n1、数据管线架构设计与落地，主导端到端大规模数据生产管线（采集→清洗→标注→质检→入库）的技术和运营方案设计与系统搭建，确保可扩展、高可靠。搭建可复用的工作流编排系统，实现数据生产任务的自动化调度与状态追踪。\n2、数据质量体系搭建，设计并实施质量评估框架，包括标注一致性校准、质量分层、自动化质检规则。建立数据质量度量指标体系和实时监控仪表盘，持续追踪生产数据的质量趋势。主导数据质量问题的根因分析和流程改进。\n3、RL/SFT/后训练数据基础设施，构建支持RLHF、DPO、GRPO、Constitutional AI等后训练方法的数据生产和反馈收集系统。\n4、跨职能协作，与专家团队、产品团队紧密配合，将研究需求转化为可工程化落地的数据生产方案。\n5、生产运营与工艺优化，设计标注方案（annotation schema）、标注指南和质量标准，覆盖多领域、多模态数据。管理标注团队或外包供应商的产能运营，持续优化标注工具和标注流程，提升人效和数据质量；\n\n职位要求\n1、数学、统计学、计算机科学、软件工程或数据科学相关专业，硕士/博士优先，5 年以上数据工程、模型训练、ML基础设施或研究工程相关经验\n2、深度理解LLM训练全流程（预训练、SFT、RLHF/DPO、评测），有后训练数据生产的直接经验优先\n3、熟悉数据管线编排工具（Airflow、Prefect、Temporal 等）\n4、具备数据质量管理体系的搭建经验，了解标注一致性、校准等概念\n5、优秀的跨团队沟通能力和项目管理能力，有在快节奏、高模糊度环境中独立推进项目的经验\n6、有 RLHF/RLVR/agent 训练数据生产经验，有搭建 RL 训练环境（sandbox、code interpreter、browser env）、有代码评测（code evaluation）或 agent 评测数据生产经验者优先\n7、有管理 10 人以上数据标注或运营团队的经验\n1、数据管线架构设计与落地，主导端到端大规模数据生产管线（采集→清洗→标注→质检→入库）的技术和运营方案设计与系统搭建，确保可扩展、高可靠。搭建可复用的工作流编排系统，实现数据生产任务的自动化调度与状态追踪。\n2、数据质量体系搭建，设计并实施质量评估框架，包括标注一致性校准、质量分层、自动化质检规则。建立数据质量度量指标体系和实时监控仪表盘，持续追踪生产数据的质量趋势。主导数据质量问题的根因分析和流程改进。\n3、RL/SFT/后训练数据基础设施，构建支持RLHF、DPO、GRPO、Constitutional AI等后训练方法的数据生产和反馈收集系统。\n4、跨职能协作，与专家团队、产品团队紧密配合，将研究需求转化为可工程化落地的数据生产方案。\n5、生产运营与工艺优化，设计标注方案（annotation schema）、标注指南和质量标准，覆盖多领域、多模态数据。管理标注团队或外包供应商的产能运营，持续优化标注工具和标注流程，提升人效和数据质量；\n1、数学、统计学、计算机科学、软件工程或数据科学相关专业，硕士/博士优先，5 年以上数据工程、模型训练、ML基础设施或研究工程相关经验\n2、深度理解LLM训练全流程（预训练、SFT、RLHF/DPO、评测），有后训练数据生产的直接经验优先\n3、熟悉数据管线编排工具（Airflow、Prefect、Temporal 等）\n4、具备数据质量管理体系的搭建经验，了解标注一致性、校准等概念\n5、优秀的跨团队沟通能力和项目管理能力，有在快节奏、高模糊度环境中独立推进项目的经验\n6、有 RLHF/RLVR/agent 训练数据生产经验，有搭建 RL 训练环境（sandbox、code interpreter、browser env）、有代码评测（code evaluation）或 agent 评测数据生产经验者优先\n7、有管理 10 人以上数据标注或运营团队的经验",
"standard_classification": {
"std_category_code": "B010",
"std_aux_codes": [
"T016"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}