岗位职责

负责阿里集团评测平台的整体架构设计与核心能力建设，覆盖基座模型、Agent与Skills等评测对象，支撑文本/生图/音频/视频等多模态模型，Agent以及集团内各类Skills的评测需求。
搭建评测诊断、归因分析与报告生成能力，沉淀一套可复用的评测分析方法论；针对评测失败原因、得分分布、执行轨迹与Badcase做深度归因，为基座模型、Agent与Skills的能力迭代提供依据。
跟进业界模型与Benchmark的最新进展，制定评测实施计划与应急预案，推进评测任务落地、验收评测结果并产出高质量分析报告，把评测元信息、结果与报告沉淀为可管理、可检索的数据资产。
与领域专家团队协作，支撑评测集的制作、验收与上架，配合完成敏捷评测与全面评测，提升评测全链路的自动化程度与工程效率。
支撑集团内各类Agent及竞品接入EVA+自动化评测体系，开发Agent接入诊断与提效工具，建设业务评测集的自动化生成能力，降低业务方的接入与维护成本。

职位要求

硕士及以上学历，计算机、人工智能等相关专业优先；3年以上平台研发或AI工程经验。
工程功底扎实，精通Python或Java至少一门，熟练使用Linux开发环境，能用Shell脚本完成自动化。
对AI技术有热情，理解AI评测体系，具备AI应用类平台从设计到落地的完整经验。
复杂问题的拆解与解决能力强，跨团队沟通协作顺畅，能协调组内外资源推动项目高质量落地。加分项 ● 主导过评测框架或评测产品研发，有基座模型、Agent或Skills的评测实战经验。 ● 主导过Agent系统开发，理解Agent评测原理与指标体系设计。 ● 有评测集设计与开发经验，熟悉Harbor等评测集规范标准。