蚂蚁集团-财富AI Lab-大模型评测工程师（金融方向）

1.建设金融领域深度 Benchmark：抽象投资理财领域的真实任务，把金融专家的研究框架、分析逻辑与业务规则沉淀为可泛化、可规模化的 Rubric / Checkpoint；从真实流量、典型任务、长尾与高风险 Case 构造有代表性的金融评测集，持续提升蚂小财的金融专业力与事实准确性； 2.设计金融专业评测标准与多路 Judge：联合金融专家、产品、算法团队，将专业判断转化为原子、可追溯的标准；组合 LLM Judge、金融事实核验、规则 / Python Judge、Vision 与 Trace Judge，并结合专家 Gold 持续校准，提升评测可信度； 3.开展版本评测与根因归因：搭建生产级评测工程，通过同口径 A/B、配对实验、置信区间与噪声基线判断版本变化是否真实，链路定位问题，区分模型错误、金融口径差异、检索供给错误、工具故障与 Judge 误判； 4.推动质量改进闭环：将评…… 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。