{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "应用策略运营",
        "job_level": "初级",AI生成
        "work_category": "全职",AI生成
        "department": "",
        "location": "武汉·洪山区·关山",
        "work_mode": "现场办公",AI生成
        "job_category": "AI效果评测"AI生成
    },
    "company": {
        "company_name": "上海佩琪集团",
        "company_industry": "互联网",
        "company_size": "500-999人",
        "company_website": "",
        "company_description": "【佩信集团简介】"
    },
    "compensation": {
        "salary_range": {
            "min": 15000,
            "max": 20000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "节日福利 | 带薪年假 | 通讯补贴 | 股票期权 | 定期团建 | 五险一金 | 交通补助 | 补充医疗保险 | 零食下午茶 | 加班补助 | 餐补 | 定期体检 | 丰富员工活动 | 员工旅游"
    },
    "requirements": {
        "working_years": 1,
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "",
        "responsibilities": "▍工作职责\n1、训练需求拆解与数据方案设计 理解算法团队的模型训练需求及业务场景诉求，将模型能力目标拆解为可执⾏的训练数据构建⽅案、数据标准定义、实验执⾏路径及关键验收指标；\n2、模型训练实验与微调落地执行 参与模型训练全链路，主导或深度参与训练数据的清洗、构造、加工与配⽐。支持多组模型微调方案的实验设计、A/B测试验证与迭代优化，推动前沿训练策略落地并拿到业务结果；\n3、训练方法论沉淀 围绕模型训练效果，明确不同训练阶段所需的数据特征和判别依据，沉淀数据处理与模型微调的方法论，提升模型输出的稳定性与泛化能力；\n4、效果评测、数据分析与问题定位 熟练使用SQL、Python、Excel等工具完成实验数据分析与评测集分析（Badcase分析）。结合模型评测结果和业务反馈，精准定位模型能力短板，并反向进行模型优化迭代；\n5、项目推进与跨团队协作 推进模型训练运行状态和落地进度，与算法、产品、标注协同完成需求对齐、数据流转与方案验证、问题闭环和结果复盘，协助沉淀可复用的训练路径和场景化解决方案。\n▍任职资格\n1.数据工程能力（必备项）：具备极强的数据敏锐度，精通微调数据的提取、清洗、去重与高质量样本构造；熟练使用提示词工程（Prompt Engineering）通过大模型进行数据蒸馏或自动化质量评估；\n2.微调算法与工具落地（必备项）：具备丰富的 LLM 微调实操经验，熟练掌握指令微调（SFT）及主流参数高效微调（如 LoRA/QLoRA）方法，能熟练使用 LLaMA-Factory 等开源框架独立跑通训练全流程；\n3.方案设计与实验思维（加分项）： 能将算法的模型训练需求高效转化为可执行的数据策略与模型实验方案，具备极强的“假设-验证”实验思维，熟悉从数据构建、模型微调到效果评测的全流程方法论；\n4.协同创新与落地推动（加分项）： 拥有跨团队协作能力，具备前沿训练技术业务化应用和通用能力探索经验，对大模型底层原理、高质量数据合成等前沿方向有热情有探索欲。",
        "requirements_text": "",
        "skills": [AI生成
            "需求调研与需求分析",
            "业务理解与场景抽象",
            "产品方案与功能设计",
            "大模型原理与能力边界",
            "Prompt工程",
            "模型微调与对齐",
            "模型训练与算法优化",
            "模型/Agent评测体系",
            "数据分析与指标体系",
            "SQL与数据探查",
            "数据资产治理",
            "数据工程与数据管道",
            "训练数据/标注/合成",
            "实验设计与A/B测试",
            "调试排障与技术支持",
            "编程与代码实现",
            "跨部门/跨团队协作"
        ],
        "preferred_qualifications": "",
        "job_highlights": "1-3年 | 本科"
    },
    "contact": {
        "recruiter_name": "杨先生",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/133713b9262194190nJ_3Nm4EVdY.html"
            }
        ]
    },
    "posting": {
        "posting_id": "133713b9262194190nJ_3Nm4EVdY",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/133713b9262194190nJ_3Nm4EVdY.html"
    },
    "fulltext": "▍工作职责\n1、训练需求拆解与数据方案设计 理解算法团队的模型训练需求及业务场景诉求，将模型能力目标拆解为可执⾏的训练数据构建⽅案、数据标准定义、实验执⾏路径及关键验收指标；\n2、模型训练实验与微调落地执行 参与模型训练全链路，主导或深度参与训练数据的清洗、构造、加工与配⽐。支持多组模型微调方案的实验设计、A/B测试验证与迭代优化，推动前沿训练策略落地并拿到业务结果；\n3、训练方法论沉淀 围绕模型训练效果，明确不同训练阶段所需的数据特征和判别依据，沉淀数据处理与模型微调的方法论，提升模型输出的稳定性与泛化能力；\n4、效果评测、数据分析与问题定位 熟练使用SQL、Python、Excel等工具完成实验数据分析与评测集分析（Badcase分析）。结合模型评测结果和业务反馈，精准定位模型能力短板，并反向进行模型优化迭代；\n5、项目推进与跨团队协作 推进模型训练运行状态和落地进度，与算法、产品、标注协同完成需求对齐、数据流转与方案验证、问题闭环和结果复盘，协助沉淀可复用的训练路径和场景化解决方案。\n▍任职资格\n1.数据工程能力（必备项）：具备极强的数据敏锐度，精通微调数据的提取、清洗、去重与高质量样本构造；熟练使用提示词工程（Prompt Engineering）通过大模型进行数据蒸馏或自动化质量评估；\n2.微调算法与工具落地（必备项）：具备丰富的 LLM 微调实操经验，熟练掌握指令微调（SFT）及主流参数高效微调（如 LoRA/QLoRA）方法，能熟练使用 LLaMA-Factory 等开源框架独立跑通训练全流程；\n3.方案设计与实验思维（加分项）： 能将算法的模型训练需求高效转化为可执行的数据策略与模型实验方案，具备极强的“假设-验证”实验思维，熟悉从数据构建、模型微调到效果评测的全流程方法论；\n4.协同创新与落地推动（加分项）： 拥有跨团队协作能力，具备前沿训练技术业务化应用和通用能力探索经验，对大模型底层原理、高质量数据合成等前沿方向有热情有探索欲。"
}