岗位职责
- 设计和实现面向语音数据生产的 Agent/Agentic Workflow 模块，将大模型、Speech/Audio 模型、Prompt、规则和工具组合成可验证、可回归、可监控的自动化生产能力。
- 根据个人主责模块，承接自动/辅助标注、AI 质检、LLM/Model Judge、置信度校准、风险分层、abstention 或人机路由中的部分能力；不要求单人同时亲自实现全部模块。
- 建立所负责模块与人工 Gold 对齐的质量评估、误差分析和生产决策阈值，在给定质量约束下提高可信自动化覆盖率。
- 建设开发集、回归集和长尾 challenge set，完成离线实验、badcase taxonomy、版本回归、漂移监控和持续优化；向独立验证团队提出冻结测试覆盖需求，但不自行审批上线。
- 通过 Shadow Test、小流量试产、A/B Test 或其他可审计实验，证明方案在质量、覆盖率、人效和单位成本上的实际收益，并设计 stop/rollback 条件。
- 与语音模型算法、数据处理、生产质量、数据策略和平台工程合作，把 Agent 接入真实生产链路。
职位要求
- 5 年及以上算法、机器学习或大模型相关经验。
- 至少具备一类真实生产系统经验：Agent/Workflow、自动化模型评测、LLM-as-Judge、数据质量算法、自动/辅助标注、AI 质检或 Human-in-the-loop 决策系统。
- 能使用 Python 独立完成算法原型、评测 pipeline 和生产接入所需核心代码，具备结构化输出、tool calling、retry/fallback、trace/replay 和版本化意识。
- 理解监督学习、分类/排序、统计评测、概率与不确定性，能够把模型 score 转换成生产决策阈值。
- 理解 Judge 偏差、人工 Gold、inter-rater agreement、置信度校准、precision-at-auto-accept、false-accept、coverage-risk、selective prediction 和 abstention。
- 能设计 Shadow、小流量或 A/B 实验，理解质量、coverage、人工返工、成本、延迟、fallback 和分群长尾之间的关系。 优先级加分：
- 理解语音生产中的噪声、远场、重叠说话、diarization、VAD、方言/口音、LID/code-switch、长音频、TN/ITN、ASR hallucination、TTS 音质/韵律/音色和 turn-taking 等问题。
