1.针对智能座舱场景中多模态大模型的预训练与后训练数据需求，搭建高效、自动化的数据处理流程，覆盖数据采集、清洗、合成、质量评估及版本控制，持续优化各模块性能，保障系统稳定性与可扩展能力。
2.设计并实现自动化数据处理工具与脚本，提升数据清洗、标注和合成的效率，增强规模化处理能力。
3.构建数据质量评估体系与自动检测机制，通过数据实验发现样本缺失、质量缺陷、分布不均等问题，推动数据迭代优化，并量化数据改进对模型性能的正向影响；
4.紧密配合算法团队，深入理解模型训练目标与业务场景特点，制定针对性的数据策略，挖掘与整合可用数据资源，支撑模型持续升级，实现以数据为核心的模型效果提升；