AI Data-大模型评测-Work方向

1. 评测集体系搭建：构建Work方向评测体系，涵盖基模、AI应用下的AI办公软件、金融、法律、GUI&CLI 、企业级工作流大型项目等方向评测体系
2. Benchmark建设：构建高专业、高覆盖率的in-house 评测集，管理运营专家评测集生产，评测集合成技术生产
3. 评测集环境定制化开发：基于基础环境，定制化开发相关环境，构建与真实场景相匹配的环境，以支持评测集建设
4. 自动化评测集技术：LLM as Judge,Agent as Judge等评测技术研发，实现高效的自动评测
5. 评测输出：周期性评测模型短板，在模型研发阶段提供针对性的数据建议。指导数据生产、模型迭代。

通用能力要求

1. 有AI+办公、金融、法律、科研、企业级项目管理等行业经验，对相关技术趋势有深入理解和判断，并将其转化为可量化的评测维度。
2. 具备从零设计 Benchmark 的经验，理解评测集在区分度、抗污染性、生态效度等方面的设计权衡。
3. 扎实的软件工程背景，Work软件产研背景，能从开发者、视角审视代码能力评测的合理性。
4. 熟悉主流评测集的设计理念与局限性。 方向 1：AI 办公 & 数据分析 精通 Excel 高级功能（透视表/VBA/Power Query）、Python 办公自动化（openpyxl/pandas/python-pptx），有钉钉/飞书等协同平台 API 开发经验。 方向 2：金融 & 法律 金融侧熟悉财报分析、估值建模、研报撰写；法律侧有合同审查、法条检索、判例分析实务经验。能识别模型输出中的专业性错误（术语误用、逻辑断裂、引用失实）。 方向 3：电商 有选品、详情页、促销策划的运营实操，熟悉淘天/1688/跨境平台后台逻辑与数据指标。 方向 4：网络安全 具备渗透测试或 CTF 实战经验，熟悉安全工具链（Burp/Metasploit/Nmap），能判断 Agent 漏洞利用路径的合理性与完整性。 方向 5：芯片设计 EDA 有 RTL 设计或验证经验，熟悉 Verilog/SystemVerilog 及主流 EDA 工具（Synopsys/Cadence），能评估综合/时序/DRC 流程的操作正确性。 方向 6：Visual Design 精通 Figma/Adobe 系列，理解栅格、色彩、字体层级等设计规范，能从审美和工程两个维度评判视觉产物。