数据质量验证方法研究：理解大模型在现实世界复杂任务的效果，追求通用可规模化的方法验证数据质量。包括但不限于复杂推理、多模态、自主 Agent，以及可扩展监督和大规模数据合成方法。

量化测评体系设计：面向广泛的现实世界高价值任务，设计科学、严谨的量化测评体系。

数据处理与效果复现：对海量数据做科学有效的数据清洗与合成，并复用前沿研究方法复现数据在模型的效果提升。

技术基础与创新能力：对 AI 技术的实际落地和突破性应用充满热情；扎实的机器学习基础，具备创新研究能力和优秀的编程能力，能快速复现或验证数据效果和实现新想法，熟悉大模型数据、策略优化者优先。

自驱力与探索精神：良好的自驱力，思维敏捷、追求本质，敢于挑战未知问题，乐于探索最新合成数据生产方法，复现行业所关注的模型效果实现方式，能主动学习并快速成长。

团队协作：有良好的沟通协作能力和团队精神。

平台研发与核心模块负责：参与大模型数据合成方向的平台建设，负责核心功能模块的方案设计、开发、上线与持续迭代，推动产品能力稳定落地。

全栈工程实现与系统优化：负责前后端关键模块开发，关注代码质量、系统架构、性能、稳定性与可扩展性，能够独立定位并解决复杂工程问题。

AI 应用能力建设：围绕大模型、数据合成、Agent、AI Workflow 等方向，参与技术方案探索与工程化落地，将前沿能力转化为稳定、可复用的产品功能。

跨团队协作与项目推进：与数据分析师、产品经理及研发团队紧密协作，理解业务目标，拆解技术方案，主动推动项目按时、高质量交付。

工程规范与团队建设：参与技术方案评审、代码 Review、工程规范建设与线上问题复盘，持续提升团队研发效率与交付质量。

扎实的工程能力：计算机基础扎实，熟练掌握至少一门主流编程语言，具备良好的编码规范、工程设计能力和问题排查能力。

完整项目经验：有独立负责模块或完整项目的经验，能够完成从需求理解、技术设计、开发测试到上线维护的完整闭环。

全栈开发能力：熟悉前后端开发流程，具备 Next.js、React、TypeScript、Python 等技术栈经验者优先；前后端均有实际项目经验者优先。

AI 方向实践经验：对大模型、数据合成、Agent、RAG、Prompt Engineering、Workflow、AI 编程工具等方向有实际使用或项目经验者优先。

自驱与责任心：具备较强的自驱力、责任心和结果意识，能够主动发现问题、拆解问题并推进解决，不依赖被动安排。

学习与抽象能力：学习能力强，能够快速掌握陌生技术栈和业务领域，并将实践经验沉淀为可复用的方法、组件或工具。

沟通协作能力：具备良好的沟通表达和团队协作能力，能够清晰同步进展、暴露风险，并与不同角色高效配合。