岗位职责
- 负责 Coding、Agent 类开源/自建评测集清洗与标准化处理；
- 将评测集接入公司评测平台，完成数据格式转换、Solver/Scorer 适配与运行调试；
- 搭建和维护评测所需的运行环境（Docker 沙箱、浏览器环境、工具链等）；
- 执行评测任务，排查运行异常，保障评测结果稳定、可复现；
- 输出评测集接入文档与结果分析报告。
职位要求
- 本科及以上学历，计算机相关专业，2 年以上工程开发经验；
- 熟练掌握 Python，熟悉 Docker、Linux、Git 等常用工程工具；
- 了解大模型基本原理，有 LLM API 调用、Prompt 编写经验；
- 熟悉至少一种评测框架（如 Inspect AI、OpenCompass、lm-eval-harness）者优先；
- 具备良好的问题排查能力和文档习惯，工作细致、执行力强。
