如约见 · 技术研发 · 算法/AI

Data Scaling 专家生态

MiniMax · 上海 · 薪资面议 · 更新于 2026/11/12

岗位描述

职位描述 在模型能力持续进化的过程中,许多高价值知识来自各行业专业人士的判断、经验和真实工作过程。如何找到合适的专家,设计有效的协作方式,并将专业知识转化为模型可以学习和验证的数据,是Data Scaling的重要组成部分。 你将负责从零搭建面向模型能力建设的专家生态:与算法团队共同判断需要哪些领域知识,寻找并连接国内外优秀专家,设计专家参与数据生产、模型评测和能力共建的方式,并建立能够长期运转和规模化扩展的专家网络。 这个岗位连接前沿模型与各领域最专业的人。你需要既理解专家网络如何高效运作,也愿意深入模型和数据问题,把一次次专家合作沉淀为稳定的供给能力和长期生态。 核心职责: 1. 理解模型需要什么样的专家 - 与算法和研究团队共同理解模型能力目标,将数据需求拆解为具体的专业领域、专家画像和协作任务。 - 判断不同任务需要的知识深度、专家层级和行业经验,明确专家招募及合作优先级。 - 快速进入新的专业领域,梳理核心机构、人才分布和知识结构,形成专家生态建设方案。 - 根据模型实验和业务反馈,持续调整专家结构、任务设计与投入方向。 2. 搭建和运营专家网络 - 主动寻找并连接国内外行业专家、科研人员、专业从业者及其他高质量知识贡献者。 - 建立专家识别、筛选、沟通、准入和分层机制,确保专家能力与模型任务准确匹配。 - 深入理解专家的专业背景、合作诉求和参与方式,建立长期、可信的合作关系。 - 持续拓展重点领域的专家覆盖,逐步形成结构清晰、响应及时、能够支持多类模型任务的专家网络。 3. 设计专家共建与项目交付 - 将算法团队的数据需求转化为专家能够理解和执行的任务、标准、工作流程及反馈机制。 - 设计专家参与数据生产、知识提炼、结果评审、模型评测和专业反馈的合作方式。 - 推动项目从专家匹配、方案沟通和试点验证走向规模化交付,协调解决过程中的质量、进度和协作问题。 - 跟踪专家产出及模型实验结果,分析不同专家、任务设计和协作方式的实际效果,持续优化项目方案。 4. 建立可规模化的生态机制 - 建立专家库、能力标签、项目记录和质量评价体系,提高专家匹配和项目执行效率。 - 设计合理的合作、激励和长期运营机制,提升高质量专家的参与度和稳定性。 - 沉淀不同领域专家协作的方法和标准,使专家供给能够支持不断变化的模型目标。 - 与算法、工程、法务及相关业务团队协作,妥善处理数据权属、保密、隐私安全和信息边界等问题。

MiniMax其他在招岗位

同类在招岗位(技术研发)

岗位信息来自企业官方招聘渠道(minimax),由如约见每日自动同步; 如已下架可前往职位雷达用 AI 匹配相似岗位,或浏览招聘岗位大全。