岗位描述（节选）
评测体系建设：面向用户交互场景，设计覆盖基座模型、端到端Agent、用户体验等场景的评测框架和标准，保障评测可解释可复现，并主导Benchmark数据集构建与持续迭代，防控数据污染与评测失效；
搭建自动化评测工程：通过judge model等自动评测流水线，设计多评委协作机制，控制评测偏见，持续提升自动评测与人工标注的一致性，推动评测提效
数据生产与质量管控：主导评测/训练数据合成方案设计，建立标注规范与质检体系，同时与数据团队协作，保障大规模数据生产的稳定性与准确性
模型迭代支撑：输出结构化评测报告，将评测结论转化为可落地的优化建议，与模型训练团队深度协作，建立"评测→优化→再评测"闭环
沉淀团队评测方法论，输出可复用框架与工具
【任职要求】
计算机、人工智能、统计学、数学或相关专业,本科及以上学历，3年大模型评测工作经验以上优先
熟悉业界主流评测工具集和评测集，有独立设计评测框架和评……
完整岗位描述与官方投递入口,请登录后在岗位详情页查看。