岗位职责
主导大模型「计算机操作」（Computer Use）方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型对浏览器与桌面原生软件界面的感知、理解与多步自主执行的能力边界，构建高质量训练与评测数据集。具体包括：
- 能力体系与标准制定：从 0 到 1 搭建 Computer Use 数据体系，完成能力维度拆解（界面感知与视觉定位、控件识别与操作、多步任务执行、错误恢复、长程规划）、任务难度分级、标注规范与评分标准制定，制定 rubric 与金标准；覆盖有 DOM/accessibility tree 的结构化场景，以及无结构信息、需纯截图视觉 grounding 的原生应用场景。
- 数据生产与标注：设计并产出高质量操作数据——组织多模态标注（截图、界面元素、操作轨迹、坐标级动作）、专家示范与金标准，覆盖浏览器任务（网页浏览、信息检索、表单填写）与桌面专业软件操作（办公文档/表格处理、CAD 绘图、Blender/3D 建模、图像与视频编辑、IDE 与终端命令、跨应用与 OS 级工作流），将真实使用经验转化为可用于 SFT、偏好与强化学习训练的数据。
- 模型评测建设：构建贴近真实工作流的评测任务与端到端 Agentic 评测方案，涵盖视觉界面理解、工具调用与编排、多轮交互、长程规划、异常恢复与安全边界判断；针对桌面软件任务设计基于结果态的验证机制（导出文件校验、几何/渲染检查、脚本回读状态等），解决「操作对不对」难以自动判分的问题，推动任务从「单步指令」向「复杂真实场景」演进。
- 质量管控与质检：建立任务查重与污染检测、难度标定校准、双标注一致性校验、资深抽检与一致性审核机制；对 bad case 做根因分析（数据 / rubric / verifier / 实例）并回流数据生产与评测标准，保证结果可信、可复现。
- 数据基础设施共建：与工程团队共建支撑大规模自动化标注与评测的基础设施（含桌面/容器化操作环境、数据管线、评测框架）。
- 行业跟踪与跨团队协同：持续关注浏览器操作、桌面自动化、专业软件 Agent 等 GUI Agent 方向动态；将评测洞察转化为模型改进方向（感知准确率、视觉定位精度、操作可靠性、安全性），并与研究、工程团队协作落地。
职位要求
- 对大模型计算机操作、GUI 界面理解方向有深入判断，能将真实计算机使用任务（含桌面专业软件）转化为可标注、可评测的数据。
- 具备人机交互、软件评测、UI/UX、计算机视觉或多模态大模型相关背景，或有 Agent 产品实测经验；熟悉至少一类专业桌面软件（CAD、Blender/Maya、Adobe 系列、Office、IDE 等）的实际操作者优先。
- 熟练掌握 Python，具备数据处理、统计分析与可视化能力；了解主流大模型推理服务，以及浏览器自动化（Playwright、Puppeteer）与桌面/坐标级自动化（如 pyautogui、操作系统级自动化、Computer Use API）、界面视觉 grounding（截图理解、OCR、UI 元素检测）的调用方式与工程约束。
- 了解 Agent 核心机制（ReAct、Tool Use、Planning、多步推理与反思），对计算机操作类 Agent 的能力边界（感知与视觉定位误差累积、长程任务失败模式、跨应用状态管理、安全风险）有认知或实践。
- 有 GUI Agent 开发经验者优先（界面元素解析、操作策略训练、自动化环境搭建、Agent 评测框架开发，尤其是原生桌面应用方向）。
- 优秀的技术写作与沟通能力，能向研究与工程团队清晰传达评测思路，并产出高质量的标注规范、评测方案与分析报告。
