这次动态说了什么

消息提到，NVIDIA 发布了关于其开源合成数据工具 NeMo Data Designer 的报告。据素材描述，它用声明式配置定义数据集，每个列由人或智能体在配置文件里写明；工作流是先生成少量记录、检查、调整配置，再全量运行。需要留意，素材没有说明它的招聘需求、企业采用情况，也没说合成数据工程是否已成独立岗位。

两类方向的准备差别

同样叫“做数据”，两种做法的准备重点并不一样。

一类偏模型调用：知道怎么让模型吐出想要的内容，调提示词、换模型端点。另一类偏管线工程：想清楚每一列由谁生成、列与列之间谁先谁后、失败怎么重试、改动怎么让别人重跑一遍。素材里描述的配置化、列定义、预览再全量，指向的是后一类能力。

这不是说哪类更高，而是面试时对方问什么，你能答什么。如果岗位反复问模型选型和效果调优，你就要准备这类经验；如果反复问数据怎么定义、怎么复现，你就要能讲清一条管线的结构。

读岗位描述时核实什么

面试本身就是核实的机会。与其笼统问“你们做不做合成数据”，不如问：一列数据是怎么定义的，谁来维护配置；多样性控制靠什么；预览到全量之间怎么衔接；坏样本出现时改配置还是改数据。如果对方只谈模型效果，答不出配置和复现方式，那这份工作的重心可能和你想的不一样。这类判断是给你自己用的核查方法，不是对某类团队的定论。

准备动作可以很小：找一个你熟悉的[实际记录]类数据任务，用配置文件写清每列怎么生成、多样性怎么控、失败怎么处理，先跑少量记录逐条检查，再决定是否扩大。练的是把一次生成拆成可审阅步骤的习惯。最后一个小建议：下次读岗位描述，把和“合成数据”相关的句子单独抄下来，逐条确认它说的是生成、评估还是管线维护。