[北京]深圳虾皮信息科技有限公司

职位：大模型预训练数据算法工程师
发布时间：2026-08-29
工作地点：北京
信息来源：五邑大学
职位类型：兼职
专业标签：数学类 计算机
职位描述

深圳虾皮信息科技有限公司

（ASPIntern）LLM-大模型预训练数据算法工程师

20K-40K/月 北京 北京市 本科及以上

发布时间：2026年8月28日

职位描述

岗位职责：

关于团队
Compass 是由 Shopee 研发的面向全球竞争的超大规模多语言模型，具备强大的跨文化理解、复杂逻辑推理与自主执行能力。依托全球新兴市场（尤其是东南亚）海量的多语言、多文化数据优势，Compass 系列模型已成功实现了从 v1 到 v3 演进。当前，我们正聚焦前沿技术突破，全力打造架构更先进、能力更卓越的下一代基座大模型，打造全球领先的多语言与自主智能体（Agentic LLM）技术体系。我们将通过对算法和数据策略的深入研究，建立科学的 scaling law 指导规划，攻克训练与推理加速瓶颈，打通从数据治理到智能涌现的确定性路径。我们追求将现有的预训练技术做到极致。
岗位职责
参与核心算法与数据构建：协助设计基于多维指标（Loss/Embedding 等）的数据选择与采样算法；参与自动化合成数据链与蒸馏数据的实验验证，探索模型能力与数据配比的 Scaling Laws。
协助海量数据挖掘与清洗：参与全网数据选取策略的优化，挖掘 RAG 场景的时效性数据；编写高效脚本，清洗低质站点与链接，提升训练数据纯净度。
探索数据质量评测与去重：协助研发大规模数据的清洗、去噪与核心去重（如 MinHash、向量去重）算法；参与搭建自动化数据评分模型，追踪数据的分布变化。
支持数据平台与基建优化：在 Mentor 指导下使用分布式处理框架（Spark/Ray 等），参与自动化预训练数据流水线的建设与核心代码性能优化。

岗位要求：

职位要求
必须项
学历专业： 计算机、AI、数据科学或数学等专业本科及以上学历。
编程功底： 精通 Python，熟练掌握 C++ 或 Rust，具备扎实的计算机系统基础。
数据与工程： 熟练使用 Spark/Ray/SQL 等分布式工具链，具备 TB～PB 级海量数据处理与计算引擎调优能力。
AI 与算法： 熟悉 LLM 预训练流程与 NLP 基础，熟练使用 PyTorch/TensorFlow；精通数据挖掘、清洗去噪与文本处理。
业务认知： 对“高质量预训练数据”的特征与分布有深刻理解，具备强问题诊断与跨团队协作能力。

投递说明：

网申/内推 > 2-3轮专业面试 > HR沟通 > Offer

单位简介

Shopee是东南亚领航电商平台，覆盖新加坡、马来西亚、菲律宾、印度尼西亚、泰国及越南等市场，同时在中国深圳、上海和香港设立跨境业务办公室。2019 年 Shopee总订单量高达12亿，同比增长100.5%。根据权威移动数据分析平台 App Annie，2019年Shopee强势跻身全球购物类App下载量前五，同时斩获东南亚及中国台湾市场购物类App年度总下载量、平均月活数、安卓使用总时长三项冠军，并领跑东南亚两大头部市场，拿下印尼及越南年度购物类App下载量与月活量双冠王。



提示：在微信扫描关注，可以直接投递简历哟



深圳虾皮信息科技有限公司


领域：信息传输、软件和信息技术服务业

规模：1000-5000人

地址：深圳市南山区粤海街道高新区社区科技南一路28号达实大厦3302