岗位职责
- 设计通用办公场景（文档撰写、表格处理、邮件沟通、会议纪要、日程规划、多步骤 Agent 工作流等）以及各垂类领域（如法律、金融、医疗、数据分析等）评测体系的设计。
- 将算法团队的能力改进诉求转化为可执行的评测方案（场景选型、题目难度配比、领域覆盖配额）。
- 主导通用办公场景（文档撰写、表格处理、邮件沟通、会议纪要、日程规划、多步骤 Agent 工作流等）以及各垂类领域（如法律、金融、医疗、数据分析等）评测 rubric 的设计与终审，确保判据原子化、可举证、可复现。
- 提炼跨任务类型的通用 rubric 范式（如否决项设计、分级量表、过程性与结果性判据拆分），沉淀为可复用的模板与判例库。
- 主动识别 rubric 生产中的效率瓶颈与质量风险（判据歧义、一致性偏低、伪需求条目等），推动标准化与""合成初稿 + 人工校验""等自动化改进。
- 深入分析模型在真实办公任务中的 bad case，精准归因问题来源，输出模型能力弱点分布图谱，为算法与训练团队提供可操作的优化方向与针对性数据反馈。
- 持续跟踪办公 Agent / 长文档 / 表格 / 多模态办公等评测领域前沿方法，对业界主流评测基准进行充分调研与优缺点分析。
职位要求
* 本科及以上学历，金融、法律、医疗、财务、会计、经济学、数据分析、商业分析等相关专业；硕士优先。 * 有大模型评测、数据标注生产或质量管理相关经验，熟悉 rubric 式评测方法论优先。 * 熟悉标注信度指标（κ / 一致率 / unsure 率）及质量管控手段者优先。 * 有办公协同产品（文档、表格、邮件、项目管理等）领域知识或真实业务经验者优先。 * 具备较强的项目管理与跨团队沟通能力，能在多任务并行下保障交付质量与节奏。
