蚂蚁集团-Agent 评测研发工程师-健康事业群

1. 负责大模型 Agent 系统的全流程评测工作，涵盖功能评测、性能评测、效果评测及稳定性评测，重点关注评测过程的稳定性保障与评测效率提升，搭建完善的评测体系与标准，确保 Agent 输出质量符合业务预期。 2. 设计并执行大模型 Agent 的评测方案，包括评测数据集构建、评测指标定义、评测流程规划，重点针对长程任务场景开展专项评测，熟悉 SWE Bench、Terminal Bench、GAIA 等主流 Agent 评测 benchmark，能基于 benchmark 完成评测落地、结果分析与优化，同时覆盖 Agent 的任务完成率、响应准确性、逻辑连贯性、工具调用合理性等核心维度评测。 3. 进行 Agent 运行轨迹分析与问题归因，梳理 Agent 在任务执行过程中的决策链路、工具调用流程、上下文交互等关键环节，定位输出异常、性能瓶颈、逻辑漏洞等问题，形成详细的归因报告并推动优化…… 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。