岗位职责
- 评测框架和平台开发：构建面向代码生成、电商、Data Agent、多模态生成（图文/视频）等多领域的评测能力，参与Agent评测平台能力建设，建设灵活、稳定、高效的评测框架。
- 评测构建与任务执行：深入理解业界主流的AI/Agent评测集，负责将其数据结构、评测逻辑和评估指标精准适配到平台评测框架上，解决适配过程中面临的问题。负责大规模评测任务的部署、执行与监控，确保评测过程的稳定性和评测分数的准确性，为评测集方案专业性负责。
- 结果分析与报告：对评测结果进行初步的数据清洗和格式化，为算法团队提供清晰、可靠的性能和trajectory数据报告，并能定位因适配问题导致的指标异常。
- 评测任务Agent开发：利用Harness Engineering构建评测任务Agent，提升评测任务接入效率。
职位要求
- 计算机相关专业，本科及以上学历，3年以上相关工作经验。
- 具备python/java开发能力，熟悉JSON、YAML等数据格式，熟悉Linux开发环境，能够使用Shell脚本进行自动化任务。
- 有AI应用/服务端应用开发经验，了解Agent的评估指标，不仅限于文本生成质量，还包括规划能力、工具调用成功率等维度，了解代码类评测基准，能够确保评测集适配准确性。
- 能够快速阅读并理解技术论文和开源项目文档，准确把握评测集的核心逻辑。能够与算法研究员和框架开发工程师进行高效沟通，清晰表达适配过程中遇到的问题和需求。
