岗位描述（节选）
1、专项评测集挖掘与构建：深入挖掘通用问答场景下的用户高频及长尾需求，构建覆盖多维度的专项评测集。 制定评测标准，维护评测集的时效性与高难度，确保其能真实反映模型能力水位。
2、AI自动化评测流程搭建：利用自动化工具或搭建高效的打分器/标注工具，替代传统人工重复劳动。 探索并优化评测链路，通过工具化手段提升Badcase发现与数据流转的效率。
3、竞品分析与差距洞察：紧跟行业前沿模型动态，执行深度的红蓝对抗测试与横向对比。 输出高质量的竞品分析报告，归纳总结我方模型与行业标杆的优劣势，为策略迭代提供方向。
4、质量运营与归纳复盘：对大模型问答效果进行日常监控与归因分析，从海量Badcase中归纳共性问题。 协同产研团队，推动从“发现问题”到“解决问题”的闭环，输出可落地的优化建议。
本科及以上学历，对大模型有浓厚兴趣，是各类AI工具（如claudecode、codex等）的重度用户……
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。